Die steigenden Anforderungen an die Zuverlässigkeit, Sicherheit und die Anwendungsfälle von Fahrerassistenzsystemen führt zu einer hohen Komplexität der Systeme und damit zu langen Entwicklungszeiten, aufwändigen Test- und Evaluierungsphasen. Letztendlich resultiert dies in hohen Entwicklungskosten und ein hohes Fehlerpotential. Dadurch werden moderne Fahrerassistenzsysteme meist nur in Fahrzeugen der Überklasse eingesetzt. Eine Abdeckung der Mittelklassefahrzeuge ist jedoch aufgrund der hohen Verbreitung dieser Fahrzeuge und die damit verbundene hohe Nutzerzahl ein wichtiges Ziel. Durch eine Wiederverwendbarkeit von Soft- und Hardwaremodulen der Systeme ist es denkbar, die Entwicklungskosten stark zu reduzieren. Gleichzeitig werden Fehlerquellen bei der Entwicklung durch Mehrfachbenutzung von Modulen reduziert. Ziel dieser Arbeit war es daher, eine generisches Fusionsframework zu entwickeln, das den Austausch von Sensorhardware und Fusionsalgorithmik maximal unterstützt. Zusätzlich soll es den gleichzeitigen Zugriff mehrerer Assistenz-Applikationen auf das generierte Umfeldmodell ermöglichen, wobei die Anwendungen unterschiedliche Qualitätsanforderungen besitzen können. Das Fusionssystem ist unabhängig von diesen unterschiedlichen Qualitätsanforderungen. Die Auswahl der Objekte kann auf Basis der Existenzwahrscheinlichkeit für jede Applikation getrennt je nach erforderlicher Detektions- bzw. Falschalarmwahrscheinlichkeit getroffen werden. Die Verwendung von probabilistischen Sensormodellen erlaubt die Realisierung einer Abstraktionsschicht zwischen Sensor- und Fusionsmodul. Diese Modelle beinhalten die Information über wichtige Sensoreigenschaften wie Zustandsunsicherheiten, Detektionseigenschaften und Klassifikationsaussagen. Eine spezielle Fusionsarchitektur wurde entwickelt, die in der Lage ist, die Information der Sensormodelle zu verarbeiten. Auf Basis dieser Information wird ein probabilistisches Umfeldmodell erzeugt. Das entworfene Fusionssystem ist vollständig frei von sensor- und applikationsspezifischen Heuristiken. Schwellwerte und heuristische Verfahren kommen lediglich in den Sensormodulen zum Einsatz. Die verwendete Objektrepräsentation besteht aus einer Zustands- und Existenzkomponente. Diese unsicherheitsbehafteten Größen werden durch die in der Arbeit entwickelten und vorgestellten Verfahren aus den Sensordaten und Objektmodellen geschätzt. Hierbei werden gleichzeitig Probleme betrachtet, die bei der simultanen Verfolgung mehrerer Objekte mit mehreren realen Sensoren auftreten: das Datenassoziationsproblem, das Detektionsproblem, das Falschalarmproblem und das Kardinalitätsproblem. Für diese Problemstellungen wurden in der Arbeit diverse Weiterentwicklungen des Joint Integrated Probabilistic Data Association (JIPDA) Algorithmus entwickelt. Die gleichzeitige Betrachtung dieser Problemstellungen mit Hilfe dieses Ansatzes ermöglicht eine konsistente, probabilistische Schätzung von Objektzustand und Objektexistenz für mehrere Objekte auf Basis der Daten des Multisensorsystems.
The presented work provides a contribution in the field of automotive environment perception based on sensor fusion systems. In contrast to other existing fusion systems, a generic framework is realized, which allows for exchanging any sensor module by another sensor hardware without the need to adapt the fusion algorithm. This is achieved by modeling sensor specific properties like detection performance or reliability in a probabilistic way, which allows the definition of abstract interfaces between sensor and fusion module. The fusion process is carried out by simultaneously estimating the state and existence of objects based on the probabilistic information by the sensors. In addition, the resulting environment model can be processed by different driver assistance applications at the same time, which may have unequal needs for reliability of object existence. The requirements for a generic fusion system are analyzed and the need for novel sensor fusion algorithms is described. Existing data fusion algorithms are extended for the claims of the generic fusion system and novel data fusion methods are introduced. Approximations for handling the computationally expensive calculations in real-time are developed which allow ensuring a maximum computing time of the fubion process. This is especially important for implementing the algorithms in an electronic control unit. Moreover, methods for modeling sensor specific properties, object birth, and object classification are presented. The proposed sensor fusion system is implemented for a specific sensor combination consisting of a laser scanner and a video camera. This system is designed to detect and track vehicles like cars and buses in dense environments like inner city areas. Practical consideration concerning cross-calibration of sensors, timing aspects, and observability are provided. The probabilistic sensor model and measurement models for both sensors are described in detail. Finally, an exhaustive evaluation of the system based on real-world data of the sensors is presented and several algorithms are compared. Relevant system parameters like detection performance, tracking time, estimation consistency and state precision are examined.
Generisches Sensorfusionsframework zur gleichzeitigen Zustands- und Existenzschätzung für die Fahrzeugumfelderkennung
Generic sensor fusion framework for simultaneous estimation of state and existence for automotive environment perception
2012
174 Seiten, Bilder, Tabellen, 118 Quellen
Hochschulschrift
Deutsch
Zustandsschätzung , Hardware-Komponente , Hardware-Modul , Sensorfusion , Überwachung , Fahrerassistenzsystem , Wiederverwendbarkeit , hohe Kosten , Entwicklungskosten , Fehlerquelle , Sensorelement , heuristisches Verfahren , Klassifizieren , Schmelzverbundverfahren , elektronische Regelung , Systemparameter
TIBKAT | 2011
|Generisches Fahrzeug Energiemanagement
Kraftfahrwesen | 2016
|Fast Track Projects - Generisches, axiometrisches Anforderungsmanagement
IuD Bahn | 2007
|