Robuste Erfassung der Fahrzeugumgebung Die zuverlässige Erfassung der Fahrzeugumgebung hat eine elementare Bedeutung bei der Erhöhung von Sicherheit und Komfort in zukünftigen
Automobilen. Die Herausforderung besteht dabei in der dynamischen Natur
und den widrigen Umständen, die man in einer typischen Sensorumgebung
vorfindet. Unter den vielzähligen Methoden der Signalverarbeitung und
Musterkennung, die angewandt werden, um eine Beschreibung der Umgebung
zu gewinnen, konzentriert sich dieses Forschungsprojekt auf Techniken
zur Verfolgung von mehrfachen Targets. Ein spezieller Fokus liegt dabei
auf den sequenziellen Monte-Carlo-Methoden, auch Partikelfilter genannt.
Der Vorteil eines solchen Frameworks besteht darin, dass die erfassten
Sensordaten auf eine probabilistische Art und Weise beschrieben und
vereinigt werden können, während die Dynamik der Szene stets über die
Zeit mit einbezogen wird. Im Ergebnis erlaubt das, die Zuverlässigkeit
der abgeleiteten Informationen über die Fahrumgebung zu erhöhen. Solche
Methoden werden mit Erfolg in typischen Aufgaben der Umgebungserfassung,
wie z.B. Erkennung von Fahrspur, Verkehrszeichen oder Fahrzeugen, sowie
unterstützenden Funktionen wie der Kamerakalibrierung angewendet. Das
Projekt wird von der Elektrobit Automotive GmbH finanziert. | Projektleitung: Elli Angelopoulou, Ph.D., Akad. Rat
Beteiligte: Andre Guilherme Linarth, M. Sc.
Stichwörter: Sequentieller Monte Carlo; Partikelfilter; Spurerkennung; Verkehrszeichenerkennung; Selbstkalibrierung
Laufzeit: 1.11.2007 - 30.6.2012
Förderer: EB Elektrobit Automotive GmbH
Kontakt: Linarth, Andre Guilherme E-Mail: andre.linarth@cs.fau.de
|