Eine zuverlässige Umfelderkennung ist die Grundlage zahlreicher Fahrerassistenzsysteme. Eine besondere Herausforderung stellt in diesem Zusammenhang die simultane Zustands- und Existenzschätzung einer unbekannten Anzahl von Objekten unter schwierigen Detektionsbedingungen dar. Mit der generalisierten probabilistischen Datenassoziation (GPDA) wird ein Verfahren vorgestellt, welches beliebige Verteilungen der Detektionskardinalität berücksichtigen kann. Betroffen ist eine Erweiterung des GPDA-Tracking-Algorithmus (, bei der die Kardinalitätsverteilung der vom Objekt generierten Messungen vom Zustand des Objekts abhängt. Der Algorithmus wurde mit simulierten Daten gegen das IPDA-Verfahren (integrierte probabilistische Datenassoziation) sowie gegen GPDA mit einfacherer Kardinalitätsverteilung evaluiert. Die Simulation zeigte, dass das Verfahren eine verbesserte Schätzung von Zustand und Existenz bietet, sowohl bei hoher als auch bei niedriger Clutterrate. Das Verfahren bietet den Vorteil gegenüber dem früheren GPDA-Ansatz, dass die maximale zu erwartende Anzahl von echten Messungen nicht festgelegt werden muss, sondern sich aus dem Kardinalitätsmodell selbst ergibt. Die praktische Anwendbarkeit wurde anhand eines radarbasierten Trackingsystems evaluiert. Das Verfahren läuft auf einem Standard-PC mit zwei Prozessorkernen in Echtzeit. Anhand eines radarbasierten Fahrzeugtrackingsystems wird gezeigt, wie diese Kardinalität dynamisch aus den Objektzuständen generiert werden kann. Darauf aufbauend werden die Eigenschaften dieses Verfahrens mit simulierten Messsequenzen analysiert und denen klassischer Ansätzen gegenübergestellt.
Generalisierte probabilistische Datenassoziation mit zustandsabhängiger Kardinalitätsverteilung
2012
10 Seiten, 5 Bilder, 1 Tabelle, 4 Quellen
Conference paper
German
Probabilistische lekberekening
Online Contents | 2003
Probabilistische Bemessungsverfahren und Risikoanalysen
Online Contents | 2000
|Probabilistische Methoden für Nordseedeiche
DataCite | 2003
|Probabilistische Fahrzeugumfeldschätzung für Fahrerassistenzsysteme
DataCite | 2014
|