Fusion von Umfeld wahrnehmenden Sensoren in städtischer Umgebung
In den letzten Jahren habe sich moderne Fahrerassiszentsysteme immer mehr zu Alleinstellungsmerkmalen von Automobilen entwickelt. Einem Großteil der Systeme ist gemein, dass sie zur Erfüllung ihrer Aufgabe die Fahrzeugumgebung wahrnehmen müssen. Durch den Einsatz von Sensordatenfusionssystemen lassen sich Sensoren unterschiedlicher Systeme kombinieren und so Schwächen in den Messdaten ausgleichen. Im Rahmen dieser Dissertation wird eine Softwarearchitektur vorgestellt welche aus einer Domänenarchitektur und projektunabhängigen Anforderungen abgeleitet wurde. Diese wird im Folgenden aus statischer und dynamischer Sicht beschrieben und dient als Grundlage für eine Realisierung im Projekt Stadtpilot. Das Projekt Stadtpilot an der TU Braunschweig hat sich zum Ziel gesetzt, teilautomatisches Fahren im innerstädtischen Bereich auf dem Braunschweiger Stadtring mit realem Verkehr umzusetzen. Die eingesetze Sensordatenfusion teilt sich in die Bereiche objekthypothesenbasierte und gitterbasierte Fusion. Die objekthypothesenbasierte Fusion setzt ein neuartiges konturschätzendes Kalman Filter um. Dabei passt sich das Objekthypothesenmodell den aktuellen Messungen der Sensoren an und beschreibt eine Objekthypothese immer mit der minimal notwendigen Anzahl an Stützpunkten. Der gitterbasierte Fusionsteil bildet eine Fusion mithilfe des binären Bayesfilters ab. Dabei werden die Daten auf drei Arten ausgewertet. Zunächst werden die aktuellen Messbereiche der Sensoren bestimmt. Das zweite Verfahren bestimmt Fahrbahnverengungen wie sie durch parkende Fahrzeuge vorkommen. Der letzte Verfahren konstruiert Objekthypothesen aus der Gitterdatenstruktur. Hierzu kommt ein innovatives 2D-Split-and-Merge-Verfahren zum Einsatz. Abgeschlossen wird die Dissertation durch Auswertungen von Messdaten.
Recently, the development of modern innovative driver assistance systems gained an emerging interest in the automotive industry. Most of these systems perceive the vehicle's environment to fulfill their task. By using sensor data fusion systems, sensors of different systems can be combinded and the overall system becomes more reliable. In this PhD thesis, a software architecture for defining environmental perception systems is described which is derived from a domain architecture and project specific requirements. Afterward, the static and the dynamic views of the software architecture are discussed. This provides the basis for the architecture's realization in the project Stadtpilot. The Stadtpilot-project is dedicated to semi-autonomous driving in urban environments with real world traffic. The used sensor data fusion of the vehicle's environmental perception systems consists of a grid-based as well as a object hypotheses-based sensor data fusion system. The object hypotheses-based data fusion contains a new contour classifying Kalman-filter. This filter can adapt its object hypothesis model to the data of the perception sensors. This way, the filter describes different object hypotheses with the minimal necessary contour point count. The grid-based data fusion contains a binary Bayes-filter. Three different algorithms with different goals process the grid-based fusion's data. The first algorithm detects areas that can currently not be measured by the sensors. The second algorithm sense lane constrictions by parking vehicles, as they occur in inner-city environments very often. The third algorithm is developed to create object hypotheses of static objects from grid based data. The newly developed algorithm is based on the split-and-merge-algorithm family from the robotics domain. In addition to the research work done in this thesis, it is enriched by an assessment of the defined requirements and presented algorithms.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved