Multilevel Datenfusion konkurrierender Sensoren in der Fahrzeugumfelderfassung

Mit der vorliegenden Dissertation soll ein Beitrag zur Steigerung der Genauigkeit und Zuverlässigkeit einer sensorgestützten Objekterkennung und -verfolgung im Umfeld eines Fahrzeuges geleistet werden. Aufbauend auf einem Erfassungssystem, bestehend aus einer Stereokamera und einem Mehrzeilen-Laserscanner, werden teils neu entwickelte Verfahren für die gesamte Verarbeitungskette der Sensordaten vorgestellt. Zusätzlich wird ein neuartiges Framework zur Fusion heterogener Sensordaten eingeführt, welches über eine Zusammenführung der Fusionsergebnisse aus den unterschiedlichen Verarbeitungsebenen in der Lage ist, die Objektbestimmung zu verbessern. Nach einer kurzen Beschreibung des verwendeten Sensoraufbaus werden die entwickelten Verfahren zur Kalibrierung und gegenseitigen Orientierung des Sensorpaares vorgestellt. Durch das eingeführte Fehlermodell kann hierbei der Messfehler beim Laserscanner um über 10 % reduziert werden. Bei der Segmentierung der räumlichen Punktdaten werden bestehende Verfahren durch die Einbeziehung von Messgenauigkeit und Messspezifik des Sensors erweitert. Ferner wird ein Ansatz zur Bestimmung der minimal umschließenden Objekthülle und der Objektausrichtung zur Stützung der Objektverfolgung vorgestellt. In der anschließenden Objektverfolgung wird neben einem neuartigen berechnungsoptimierten Ansatz zur Assoziation der Objekthypothesen ein Modell zur dynamischen Referenzpunktbestimmung und -Verfolgung beschrieben, das die klassische Verfolgung der Objektmitte in der Trackgenauigkeit übertrifft. Durch das vorgestellte Fusions-Framework ist es möglich, die Sensordaten wahlweise auf drei unterschiedlichen Verarbeitungsebenen (Punkt-, Objekt- und Track-Ebene) zu vereinen. Hierzu wird ein sensorunabhängiger Ansatz zur Fusion der Punktdaten dargelegt, der im Vergleich zu den anderen Fusionsebenen und den Einzelsensoren die genaueste Objektbeschreibung liefert. Für die oberen Fusionsebenen wurden unter Ausnutzung der konkurrierenden Sensorinformationen neuartige Verfahren zur Bestimmung und Bereinigung der Detektionsund Verarbeitungsfehler entwickelt. Abschließend wird beschrieben, wie die fehlerreduzierenden Verfahren der oberen Fusionsebenen mit der optimalen Objektbeschreibung der unteren Fusionsebene für eine optimale Objektbestimmung zusammengeführt werden können. Die Effektivität der neu entwickelten Verfahren wurde entweder durch Simulation oder in realen Messszenarien überprüft. Der Anspruch der Arbeit besteht in dem neuartigen Konzept zur kombinierten Mehrebenenfusion heterogener Sensordaten für eine zuverlässigere und genauere Objektbestimmung im Fahrzeugumfeld. Das Konzept wurde in seiner Gesamtheit mit einem technologisch innovativen Referenzsensorsystem umgesetzt und erfolgreich getestet