Kalman-Filter mit Zustandsbeschränkungen für Multi-Sensor-Systeme und Georeferenzierung

Die Entwicklung autonomer Fahrzeuge hat in den letzten Jahren an Bedeutung gewonnen. Kalman-Filter spielen eine zentrale Rolle in der Georeferenzierung und der Zustandsbestimmung dieser Systeme. Die Gewährleistung der Integrität ist entscheidend für die Sicherheit im Umgang mit autonomen Technologien. In urbanen Umgebungen, wo GNSS-Signale oft unzuverlässig sind, ist die Notwendigkeit für präzise Multi-Sensor-Systeme (MSS) besonders ausgeprägt. Diese Dissertation untersucht die Herausforderungen und Lösungen im Bereich der Georeferenzierung unter Berücksichtigung von Zustandsbeschränkungen. Die Arbeit zielt darauf ab, neue Methoden zu entwickeln, die die Zuverlässigkeit und Genauigkeit der Positionsbestimmung in komplexen städtischen Umgebungen verbessern.

Die Dissertation präsentiert einen neuartigen Filteralgorithmus, der sowohl für explizite als auch für implizite mathematische Beziehungen anwendbar ist. Die Zustandsbeschränkungen werden in den Filterprozess integriert, um die Schätzung der Systemzustände zu optimieren. Die Methodik umfasst die Verwendung von Big Data, um die Effizienz der Datenverarbeitung zu steigern. Durch die Anwendung von rekursiven Methoden wird eine iterative Schätzung der benötigten Größen ermöglicht. Diese Methodik wird durch Simulationen und reale Anwendungsbeispiele validiert, um ihre Praktikabilität zu demonstrieren. Die Ergebnisse zeigen, dass die Kombination von unabhängigen Informationsquellen zu einer signifikanten Verbesserung der Georeferenzierung führt.

Die Ergebnisse der Dissertation belegen die Wirksamkeit des entwickelten Filteralgorithmus. Die Implementierung von Zustandsbeschränkungen hat die Genauigkeit der Positionsbestimmung in städtischen Umgebungen erheblich verbessert. Die Analyse zeigt, dass die Nutzung von MSS in Kombination mit modernen Sensoren wie Laserscannern und Kameras zu einer höheren Informationsdichte führt. Diese Technologien ermöglichen die Erstellung hochgenauer dreidimensionaler Punktwolken, die für 3D-Stadtmodelle und Building Information Modelling (BIM) unerlässlich sind. Die Dissertation hebt hervor, dass die Berücksichtigung von Integrität und Zuverlässigkeit in der Georeferenzierung entscheidend für die Entwicklung autonomer Systeme ist.

Die Arbeit leistet einen bedeutenden Beitrag zur Forschung im Bereich der Georeferenzierung und der Anwendung von Kalman-Filtern in Multi-Sensor-Systemen. Die entwickelten Methoden bieten neue Ansätze zur Lösung bestehender Herausforderungen in der Positionsbestimmung. Die Ergebnisse sind nicht nur für die akademische Gemeinschaft von Interesse, sondern auch für die Industrie, die an der Entwicklung autonomer Fahrzeuge arbeitet. Die Dissertation zeigt, dass durch die Integration von Zustandsbeschränkungen und die Nutzung von Big Data die Integrität und Zuverlässigkeit autonomer Systeme signifikant verbessert werden können.