Autonome Fahrzeuge bieten die Aussicht auf eine erhöhte Verkehrssicherheit, eine erhöhte Effizienz sowie einen erhöhten Fahrkomfort. Diese Verbesserungen werden ermöglicht, da technische Systeme im Gegensatz zu menschlichen Fahrern ermüdungsfrei sind und potentiell eine schnellere Reaktionsfähigkeit bieten. Weitere Möglichkeiten bieten sich durch direkte Kommunikation und Kooperation sowohl zwischen Fahrzeugen als auch zwischen Fahrzeugen und der Infrastruktur. Eine Hauptkomponente, die für den sicheren Betrieb autonomer Fahrzeuge benötigt wird, ist ein System zur zuverlässigen Umfeldwahrnehmung. Dieses besteht immer aus einer Kombination von Hardware, d.h. Sensoren, und Software. In den letzten Jahren wurden neue Sensoren entwickelt, welche die Umgebung mittels dichter, präziser Entfernungsmessungen dreidimensional abtasten. Bei den dafür verwendeten Algorithmen handelte es sich jedoch oft um angepasste Verfahren von älteren, einfacheren Sensorarten. Die vorliegende Arbeit beschäftigt sich mit Algorithmen, welche speziell für diese modernen 3D-Sensoren entwickelt wurden. Das hier vorgestellte Gesamtkonzept beinhaltet mehrere Neuheiten: Zunächst werden neuartige Methoden zur Verbesserung der Rohdaten und zum Berechnen von geometrischen Charakteristiken eingeführt. Dies umfasst Verfahren zur Rauschunterdrückung, Verfahren zur Interpolation fehlender Messungen und Verfahren zur Schätzung von Objektkanten, Oberflächenrauheit und -orientierung. Ferner wird eine neuartige Methode zum Erstellen von Objekthypothesen durch Gruppieren von Messungen präsentiert. Jede Gruppierung entspricht dabei einem Bereich der Umgebung, welcher sich eigenständig im Raum bewegen könnte. Das vorgestellte Verfahren greift dabei nicht auf hinterlegte Objektmodelle zurück, sondern ermöglicht das Erkennen jeglicher Verkehrsteilnehmer. Des Weiteren wird ein innovatives Verfahren zur zeitlichen Verfolgung der Objekthypothesen beschrieben. Durch die darin enthaltene Geschwindigkeitsschätzung wird die Vorhersage zukünftiger Positionen aller Verkehrsteilnehmer ermöglicht. Zusätzlich wird die Position und Geschwindigkeit des Eigenfahrzeugs bezüglich der Umgebung berechnet. Dies erlaubt die präzise Bestimmung der Fahrzeugposition selbst in Regionen mit fehlender oder schlechter Satellitenortung (z.B. GPS). Im Verfolgungsschritt integriert ist das dynamische Generieren von 3D-Modellen, sowohl von der Umgebung als auch aller bewegten Objekte. Diese könnten zur Erstellung detaillierter dreidimensionaler Karten von Städten oder zum automatisierten Lernen von Objektmodellen weiterverwendet werden. Die vorgestellten Algorithmen unterscheiden sich von bisherigen Arbeiten durch mehrere Aspekte: Die gemeinsame Behandlung von Lokalisierung und Objektverfolgung ergibt ein robustes Verfahren und ermöglicht eine kompakte Implementierung. Zudem erlaubt der vorgestellte Entwurf, im Gegensatz zu vielen objektspezifischen Ansätzen, das Erkennen beliebiger Verkehrsteilnehmer. Zusätzlich enthält das Verfahren keine Annahmen über die Umgebung und ermöglich daher eine Anwendung in beliebigen Innen- oder Außenräumen. Zur Verifizierung des vorgestellten Verfahrens dienen Daten eines Laserscanners mit 360° Erfassungsbereich, welcher auf dem Dach eines Fahrzeugs in innerstädtischem Umfeld bewegt wurde. Eine qualitative wie auch eine quantitative Analyse zeigen, dass es unter ausschließlicher Verwendung dieser Entfernungsdaten möglich ist das Eigenfahrzeug präzise zu lokalisieren und bewegte Verkehrsteilnehmer zuverlässig zu erkennen und zu verfolgen.

    Autonomous vehicles provide the prospect of increased traffic safety, higher efficiency, and increased driving comfort. These improvements arise from two properties of technical systems: in contrast to human drivers they are fatigue-proof and they potentially have a faster reaction time. Further potential exists by employing communication and cooperation on both the vehicle-to-vehicle and the vehicle-to-infrastructure level. One key component required for the safe operation of autonomous vehicles is a system for reliably perceiving the environment. Such a perception system is always a combination of hardware, i. e. sensors, and software. In recent years, new sensors were developed that scan the environment by precisely measuring the distance to objects in the vicinity with a high spatial resolution. Current algorithms used for processing data from these sensors typically derive from methods that were designed for older, simpler sensors. This work focuses on algorithms that are designed for this new class of sensors. Several contributions are made: First, novel methods are introduced for the enhancement of the raw sensor data and for the calculation of geometrical characteristics. This includes methods for noise reduction, methods for interpolating over missing measurements, and methods for estimating object borders, surface roughness, and surface direction. Second, an original method is presented for forming object hypotheses by grouping the distance measurements. Each group thereby corresponds to a region in the environment that could move independently. The presented grouping approach does not use specific object models but enables detecting arbitrary traffic participants. Third, an innovative method is proposed to track these object hypotheses over time. Intrinsically contained is the estimation of their velocity which renders possible the prediction of future positions for all traffic participants. Additionally, the position of the sensor vehicle with respect to the environment is estimated. This facilitates determining the precise position even in regions with low or no GPS coverage. Integrated into tracking is the simultaneous creation of 3D models for both, moving objects and the static environment. These models could be further used for creating detailed 3D city plans or for automatically learning object models. The proposed algorithms stand out against other works by several aspects: The joint treatment of localization and tracking leads to a robust method and keeps the implementation compact. The generic design enables the detection of arbitrary objects, which stands in contrast to many methods specializing for certain object types. Finally, no assumption is made about the type of environment, which allows for an application within any indoor and outdoor environment. The successful operation of the proposed methods is verified on data captured with a laser scanner from the top of a moving car in inner-city areas. Qualitative and quantitative analyses show the possibility of precise self-localization and robust moving object detection and tracking using solely distance readings from modern 3D sensors.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Interlacing self-localization, moving object tracking and mapping for 3D range sensors


    Contributors:


    Publication date :

    2013


    Size :

    128 Seiten, Bilder, Tabellen, Quellen




    Type of media :

    Theses


    Type of material :

    Print


    Language :

    English






    Interlacing Self-Localization, Moving Object Tracking and Mapping for 3D Range Sensors

    Moosmann, Frank | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2013

    Free access


    Simultaneous Localization and Mapping with Moving Object Tracking in 3D Range Data (AIAA 2018-0507)

    Siew, Peng Mun / Linares, Richard / Bageshwar, Vibhor | British Library Conference Proceedings | 2018