Hochgenaues Kartenmaterial eröffnet eine Vielzahl neuer Möglichkeiten bei der Entwicklung zukünftiger Fahrerassistenzsysteme. Insbesondere autonome Fahrfunktion - wie das autonome Fahren auf Autobahnen - können von einer exakten Beschreibung der Straßen profitieren. Neben einem iterativem GraphSLAM-Verfahren zum kollektiven Erlernen von hochgenauen merkmalsbasierten Karten wurde eine Sensordatenfusion von Satelliten- und Landmarkennavigation - gestützt durch die zuvor generierten Karten - zur hochgenauen Eigenlokalisierung für autonome Fahrfunktion vorgestellt. Anhand eines Autobahntunnel- Szenarios wurde sowohl die Funktionsfähigkeit des GraphSLAM-Kartierungsverfahrens, als auch der Online-Eigenlokalisierung demonstriert.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Hochgenaue Fahrzeugeigenlokalisierung und kollektives Erlernen hochgenauer digitaler Karten


    Additional title:

    Precise vehicle self localization and collective learning of precise digital maps


    Contributors:


    Publication date :

    2012


    Size :

    23 Seiten, 13 Bilder, 9 Quellen



    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German




    Hochgenaue Fahrzeuglokalisierung und kollektives Erlernen hochgenauer digitaler Karten

    Rauch,S. / Savkin,A. / Schaller,T. et al. | Automotive engineering | 2012


    Kollektives Erlernen hochgenauer Strassenmodelle

    Rauch,S. / Aeberhard,M. / Hecker,P. et al. | Automotive engineering | 2013




    Kollektives Erlernen eines hochgenauen Straßenmodells

    RAUCH SEBASTIAN | European Patent Office | 2022

    Free access