Fahrzeuglokalisierung durch Automotive Laserscanner unter Verwendung statischer Merkmale
Dokumentinformationen
| Autor | Alexander Schlichting |
| Schule | Gottfried Wilhelm Leibniz Universität Hannover |
| Fachrichtung | Geodäsie und Geoinformatik |
| Veröffentlichungsjahr | 2018 |
| Ort | München |
| Dokumenttyp | dissertation |
| Sprache | German |
| Seitenanzahl | 158 |
| Format | |
| Größe | 20.11 MB |
- Autonomes Fahren
- Fahrzeuglokalisierung
- Laserscanner
Zusammenfassung
I. Einleitung
Die Fahrzeuglokalisierung ist ein zentraler Aspekt des autonomen Fahrens. In der vorliegenden Dissertation wird die Nutzung von Automotive Laserscannern zur präzisen Lokalisierung von Fahrzeugen untersucht. Die Arbeit hebt hervor, dass die Kombination von Messungen verschiedener Sensoren in einem Filteransatz eine hohe Genauigkeit und Integrität ermöglicht. Die Verwendung von statischen Merkmalen zur Verbesserung der Lokalisierung wird als innovativer Ansatz präsentiert. Die Dissertation zielt darauf ab, die Effizienz und Zuverlässigkeit der Lokalisierungsmethoden zu evaluieren und zu optimieren. Die Ergebnisse zeigen, dass die Vollständigkeit der Lokalisierung bei 97 % liegt, wenn die letzten 50 m der Daten verarbeitet werden. Diese Erkenntnisse sind von großer Bedeutung für die Weiterentwicklung autonomer Fahrsysteme.
1.1 Hintergrund
Die Entwicklung autonomer Fahrzeuge erfordert präzise Lokalisierungstechniken. Automotive Laserscanner bieten den Vorteil, dass sie unabhängig von Lichtverhältnissen arbeiten und direkt 3D-Informationen liefern. Diese Dissertation untersucht die Möglichkeiten, die durch die Verwendung von statischen Merkmalen entstehen, um die Lokalisierung zu verbessern. Die Arbeit analysiert verschiedene Methoden, die auf der Segmentierung von stangenförmigen Objekten und Ebenen basieren. Diese Methoden sind entscheidend, um die Genauigkeit der Fahrzeuglokalisierung zu erhöhen und die Anzahl der False-Positive-Detektionen zu reduzieren.
II. Methodik
Die Dissertation beschreibt drei Hauptmethoden zur Fahrzeuglokalisierung: die Verwendung von stangenförmigen Objekten und Ebenen, die Scanbildkorrelation und die Sequenzanalyse. Jede Methode wird detailliert erläutert, wobei die Vor- und Nachteile hervorgehoben werden. Die Segmentierung von Objekten aus den Messungen der Automotive Laserscanner ist ein zentraler Bestandteil der Methodik. Diese Objekte werden dann Referenz-Landmarken zugeordnet, die mit einem mobilen Mapping-System erfasst wurden. Die Dissertation zeigt, dass die Genauigkeit der Lokalisierung durch die Verwendung dieser Methoden signifikant verbessert werden kann. Die Ergebnisse belegen, dass die Sequenzanalyse eine vollständige Lokalisierung mit einer Genauigkeit von unter 2 m ermöglicht.
2.1 Datenanalyse
Die Analyse der gesammelten Daten erfolgt durch den Vergleich der Messungen der Automotive Laserscanner mit Referenzdaten. Die Dissertation beschreibt, wie die Scanbildkorrelation die Intensitäts- und Distanzmessungen nutzt, um die Genauigkeit der Lokalisierung zu erhöhen. Ein wichtiger Aspekt ist die Erkennung dynamischer Objekte, die durch maschinelles Lernen unterstützt wird. Die Dissertation zeigt, dass die Berücksichtigung nur statischer Objekte die Vollständigkeit der Lokalisierung von 88 % auf 93 % steigern kann. Diese Erkenntnisse sind entscheidend für die Entwicklung zuverlässiger autonomer Fahrsysteme.
III. Ergebnisse und Diskussion
Die Ergebnisse der Dissertation belegen die hohe Genauigkeit und Zuverlässigkeit der entwickelten Lokalisierungsmethoden. Die Vollständigkeit der Lokalisierung erreicht 100 % nach einer zurückgelegten Distanz von 120 m. Die Dissertation diskutiert die praktischen Anwendungen dieser Methoden im Bereich des autonomen Fahrens. Die Verwendung von statischen Merkmalen zur Verbesserung der Lokalisierung ist ein innovativer Ansatz, der in der Praxis von großem Wert sein kann. Die Ergebnisse zeigen, dass die entwickelten Methoden nicht nur die Genauigkeit erhöhen, sondern auch die Effizienz der Lokalisierungssysteme verbessern können.
3.1 Praktische Anwendungen
Die in der Dissertation beschriebenen Methoden haben das Potenzial, in verschiedenen Anwendungen des autonomen Fahrens eingesetzt zu werden. Die hohe Genauigkeit und Zuverlässigkeit der Fahrzeuglokalisierung sind entscheidend für die Sicherheit und Effizienz autonomer Systeme. Die Ergebnisse der Dissertation können als Grundlage für zukünftige Entwicklungen in der Fahrzeugtechnologie dienen. Die Integration dieser Methoden in bestehende Systeme könnte die Leistung autonomer Fahrzeuge erheblich verbessern und neue Möglichkeiten für die Mobilität der Zukunft eröffnen.
Dokumentreferenz
- Fahrzeuglokalisierung durch Automotive Laserscanner unter Verwendung statischer Merkmale (Alexander Schlichting)
- Wissenschaftliche Arbeiten der Fachrichtung Geodäsie und Geoinformatik der Universität Hannover
- Prüfungskommission: Vorsitzender: apl. Prof. Dr. techn. Franz Rottensteiner
- Referent: apl. Prof. Dr.-Ing. Claus Brenner
- Korreferenten: Prof. Dr.-Ing. Steffen Schön und Prof. Dr.-Ing. Uwe Stilla