Moderne Fahrerassistenzsysteme setzen eine räumliche Erfassung des Fahrzeugumfeldes voraus. Als Sensoren werden dabei neben Radarsensoren auch Laserscanner eingesetzt, die eine hohe Winkelauflösung bei nahezu konstanter Entfernungsauflösung bieten. Es ist Aufgabe der Signalverarbeitung. aus den Messungen, Lidar-Daten genannt, das Fahrzeugumfeld zuverlässig und genau zu rekonstruieren. Zur Rekonstruktion des Umfeldes werden Lidar-Daten, die mit großer Wahrscheinlichkeit vom gleichen Objekt herrühren, gruppiert. Mit Hilfe der folgenden Messungen werden die Objekte zeitlich verfolgt. So wird es möglich, die Bewegung dieser Objekte zu schätzen und deren zukünftige Position zu prädizieren. Entscheidend sind dabei der relative Abstand und die relative Bewegung dieser Objekte in Bezug zum eigenen Fahrzeug. Diese Arbeit untersucht bestehende Ansätze zur Mehrzielverfolgung und bewertet diese hinsichtlich ihrer Eignung für Fahrzeuge. Der hiervon abgeleitete Algorithmus, der Messungen gruppiert und die zugehörigen Objekte verfolgt, wurde erfolgreich auf Lidar-Daten getestet. Aufbauend auf dieser Signalverarbeitung wird analysiert und gezeigt, wie der Einfluss stochastischer Messfehler auf die Abstandsschätzung mit statistischen Methoden verringert werden kann. Zusätzlich treten auch deterministische Fehler infolge der Relativbewegung zwischen gemessenem Objekt und Fahrzeug auf. Deren Einfluss wird quantifiziert, und es wird gezeigt, wie die deterministischen Fehler mit Zusatzwissen vollständig kompensiert werden können. Der letzte Abschnitt erweitert die Lidar-Signalverarbeitung von einer Abstandsschätzung auf eine vollständige Bewegungsschätzung, wobei die typische Bewegung eines Fahrzeuges berücksichtigt wird. Das vorgestellte rekursive Verfahren wurde erfolgreich getestet und erzielt eine höhere Genauigkeit als das konventionelle Verfahren.

    Advanced driver assistance systems require a spatial perception of the field around the car. Besides radar sensors, lidar scanners are used; these provide a high angular resolution and an almost constant distance resolution. The objective of lidar signal processing is to reconstruct the field around the car with high reliability and accuracy. In order to reconstruct this field, lidar data likely to result from the same object are clustered. Based on the successive measurements, objects are tracked over time. Thus, it is possible to estimate the motion of these objects and to predict their future position. Critical to this are the distance and the motion of these objects in relation to the ego-car. This thesis examines existing multi-target tracking algorithms and evaluates their suitability for auto-motive applications. Based on this evaluation, an algorithm is derived which clusters measurements and tracks the corresponding objects. This was tested successfully on real lidar data. It is analysed and demonstrated how the influence of random measurement errors on the distance estimation can be minimised through statistical procedures. Also occurring are deterministic errors due to the relative motion between scanned object and car. Their influence is quantified and it is explained how the deterministic errors can be compensated for completely with the use of additional knowledge. The last section extends lidar signal processing from distance estimation to a complete motion estimation considering the typical motion of a car. The recursive procedure put forward here was tested successfully and its accuracy is higher than that of the conventional approach.


    Access

    Check access

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Ein Beitrag zur Verbesserung und Erweiterung der LIDAR-Signalverarbeitung für Fahrzeuge


    Additional title:

    A contribution to the improvement and extension of automotive LIDAR-signal processing


    Contributors:


    Publication date :

    2007


    Size :

    126 Seiten, Bilder, Tabellen, Quellen




    Type of media :

    Theses


    Type of material :

    Print


    Language :

    German