Die Erkennung der Situationen und Manöver erfolgte wahrscheinlichkeitsbasiert anhand eines probabilistischen Netzes, kombiniert mit einer unscharfen Fuzzy-Zuordnung. Das System basiert auf bereits fusionierten und gefilterten Informationen zur Fahrzeugbewegung und Fahrumgebung. Die situations- und manöverspezifischen Merkmale lassen sich über die Merkmalsextraktion aus diesen Daten bestimmen. Mit Hilfe einer unscharfen situationsabhängigen Zugehörigkeitsfunktion werden die Merkmalswerte auf das Einheitsintervall transformiert. Die erzeugten Merkmalszugehörigkeitsgrade dienen als Eingangsgrößen für das probabilistische Netz. Die spezifischen Merkmale werden im Netz fusioniert und daraus eine wahrscheinlichkeitsbasierte Situations- oder Manöverentscheidung abgeleitet. Parallel zur Merkmalsberechnung aus den Messdaten können die sensorbedingten Ungenauigkeiten mit einem Fehlerfortpanzungsverfahren auf die Merkmale propagiert werden. Die Merkmalsungenauigkeiten stehen dem Netz ebenfalls als Eingangsgrößen zur Verfügung. Sie bilden mit den Verbindungsstärken im Netz die Grundlage zur Bestimmung der Ungenauigkeit der Situationsaussagen. Darüber hinaus ermöglicht der Ansatz eine Relevanzbewertung der einzelnen Merkmale bzw. Sensorinformationen auf die Situationsentscheidung. Die Merkmalsbewertung wird mit Hilfe der Verbindungsstärken im Netz durchgeführt, während die Bewertung der Sensorinformationen über eine Sensitivitätsanalyse angewandt auf die Merkmalsextraktion erfolgt. Die erkannten Situationen und Manöver können wiederum Merkmale für übergeordnete Fahrsituationen und Fahrmanöver darstellen. Das generische Verfahren zur probabilistischen Erkennung von Fahrsituationen und Fahrmanöver wurde am Beispiel der Notbremssituation umgesetzt. Zusätzlich zur Wahrscheinlichkeit für eine Notbremssituation wurde die Ungenauigkeit, mit der die Situationsaussage aufgrund von Sensorungenauigkeiten behaftet ist, bestimmt. Mit Hilfe der berechneten Einflüsse der Messwerte auf die Situationsentscheidung wurde ein möglicher Ansatz für eine Sensorvalidierung aufgezeigt und umgesetzt. Neben der Notbremssituation selbst wurden sämtliche Situationen und Manöver, aus denen sich die Notbremssituation zusammensetzt, mit Hilfe des generischen Ansatzes extrahiert. Zudem konnte eine Szenenerkennung, die zwischen stadt- und autobahnähnlicher Verkehrsumgebung unterscheidet, implementiert und somit der generische Charakter des Ansatzes unterstrichen werden. Getestet und bewertet wurde das System anhand realer Messdaten zur Fahrumgebung und Eigenbewegung. Für die Umfelderfassung standen ein nach vorne gerichteter Long-Range-Radarsensor und zwei Short-Range-Radarsensoren zur Verfügung. Entsprechende Fahrzeuginertialsensoren erfassten die notwendigen Messgrößen zur Berechnung der Eigenfahrzeugbewegung. Es konnte die praktische Umsetzbarkeit des Verfahrens bestätigt und vor allem der Umgang mit subjektiven Fahrerkomponenten und fehlerbehafteten, ungenauen Sensorinformationen gezeigt werden.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Modellierung und Erkennung von Fahrsituationen und Fahrmanövern für sicherheitsrelevante Fahrerassistenzsysteme


    Contributors:

    Publication date :

    2010


    Size :

    149 Seiten, Bilder, Tabellen, Quellen



    Type of media :

    Theses


    Type of material :

    Print


    Language :

    German







    Erkennung von Fahrmanövern mit objektorientierten Bayes Netzen

    Kasper, Dietmar / Weidl, Galia / Dang, Thao et al. | Tema Archive | 2011


    Objektive Erkennung kritischer Fahrsituationen von Motorraedern

    Seiniger,P. / Winner,H. / Bundesanstalt f.Strassenwesen,BASt,Bergisch-Gladbach,DE | Automotive engineering | 2008