Viele aktuelle Fahrerassistenzsysteme wie beispielsweise die adaptive Geschwindigkeitsregelung, Spurwechselassistenten und Systeme zur Anhaltewegverkürzung sind auf eine verlässliche Detektion anderer Verkehrsteilnehmer und Hindernisse angewiesen. Zukünftige Assistenzsysteme wie beispielsweise Systeme für das Automatische Fahren erhöhen diese Zuverlässigkeitsanforderung weiter. Die Dissertation befasst sich mit der statistisch genauen Bewertung von Objekthypothesen innerhalb einer Sensordatenfusion, welche aus Messdaten gewonnen wurden. Für jede Hypothese wird eine Wahrscheinlichkeit bestimmt, welche angibt, ob diese vom Fahrerassistenzsystem berücksichtigt werden muss. Hierbei werden widersprüchliche Messdaten systematisch in probabilistischen Modellen aufgelöst, wobei zur Approximation der Wahrscheinlichkeitsdichtefunktion geeignete Modelle aus dem Bereich des Maschinellen Lernens eingesetzt werden. Als Ergebnis erhält man einen Schätzer, der eine präzise Relevanzwahrscheinlichkeit für beliebige Objekthypothesen erzeugt, sodass das Fahrerassistenzsystem frühzeitig und angemessen auf ein aktuelles Umfeld reagieren kann. Neben dem Objekthypothesenmodell ist als zweiter Typ von Umfeldmodellen das Belegungsgitter verbreitet, welches den Raum um das Fahrzeug in Zellen diskretisiert. Die Messdaten werden mit den jeweiligen örtlich zugehörigen Zellen assoziiert und deren Zustand wird aktualisiert. Als Ergebnis erhält man eine Menge von Zellen mit unterschiedlichen Zuständen, die beispielsweise die Überfahrbarkeit repräsentieren. Die Dissertation entwickelt formale Eigenschaften, die Fusions- und Abfragealgorithmen aufweisen müssen, um eine statistisch belastbare Aussage über die Befahrbarkeit eines aus vielen Zellen bestehenden Korridors liefern zu können. Zusätzlich werden exemplarische Algorithmen entwickelt, die diese Eigenschaften berücksichtigen und somit eine präzisere Schätzung als bekannte Ansätze erlauben.


    Access

    Download

    Check availability in my library


    Export, share and cite



    Title :

    Probabilistische Fahrzeugumfeldschätzung für Fahrerassistenzsysteme


    Additional title:

    Probabilistic environment perception for driver assistance systems


    Contributors:

    Publication date :

    2014



    Type of media :

    Miscellaneous


    Type of material :

    Electronic Resource


    Language :

    German


    Classification :

    DDC:    629.8



    Fahrerassistenzsysteme: Fahrerassistenzsysteme

    Katzwinkel, Reiner | Online Contents | 2011


    Fahrerassistenzsysteme

    Vukotich,A. / Salvador,R.G. / Martinez,A.M. et al. | Automotive engineering | 2011


    Fahrerassistenzsysteme

    Mareis,T. / VDO,Schwalbach,DE | Automotive engineering | 2005


    Fahrerassistenzsysteme

    Robert Bosch GmbH | Springer Verlag | 2024


    Fahrerassistenzsysteme

    Schopper,M. / Regensburger,U. / Salgueiro,N. et al. | Automotive engineering | 2011