Eine wesentliche Voraussetzung für die Realisierbarkeit sicherheitsrelevanter Fahrerassistenzsysteme ist die Zuverlässigkeit der erfassten Informationen. Es besteht eine direkte Abhängigkeit zwischen der Qualität der Daten und dem erreichbaren Maß an Sicherheit (engl. Safety Level) einer bestimmten Assistenzfunktion. Dazu ist eine Methode notwendig, die die Eigenschaften und Daten diversitärer und teilweise redundanter Sensoren fusioniert und deren Fehler detektiert und klassifiziert. In dieser Arbeit wird ein neues Verfahren vorgestellt, das die Funktionalität herkömmlicher Sensordaten-Fusionssysteme um Fehlerdetektions- und -klassifikationsmechanismen erweitert, indem es die Strukturen klassischer Multiple Target Tracking-Verfahren vorteilhaft ausnutzt. Das MTTFDI-Verfahren kombiniert verschiedene Einzellösungen für die Bewertung der Fahrumgebungsinformationen. Mit Hilfe eines Versuchsträgers, ausgestattet mit Radar, Lidar und videobasierten Sensoren, wurde das Verfahren unter unterschiedlichen Bedingungen praktisch getestet. Die hiermit evaluierte Information brachte eine deutliche Verbesserung der Zuverlässigkeit der Sensordaten, was dementsprechend eine Erhöhung der Verfügbarkeit und Sicherheit von Fahrerassistenz-Applikationen ermöglicht.
Zuverlässigkeits- und sicherheitserhöhende Sensorarchitekturen und Fusionsmethoden für Systeme zur Fahrumgebungserfassung. Multiple Target Tracking und Fehlerdetektionsmechanismen
2008
10 Seiten, 7 Bilder, 5 Quellen
Aufsatz (Konferenz)
Deutsch
Fahrumgebungserfassung für zukünftige Fahrerassistenzsysteme
Tema Archiv | 2004
|Potenzial optischer Sensoren zur Fahrumgebungserfassung
Tema Archiv | 2003
|Multifunktionale Fahrumgebungserfassung durch lidarbasierte Rundumsensorik
Tema Archiv | 2006
|MANAGEMENT - Behr: Neues Zuverlässigkeits-Management
Online Contents | 2002