Entwicklung einer Multi-Sensor-Datenfusion für ein autonomes Straßenfahrzeug / Sebastian Ohl

In dieser Arbeit wurde ein System zur Wahrnehmung des Fahrzeugumfeldes im urbanen Gebiet entwickelt. Dieses wird im Rahmen des DARPA Urban Challenge von dem Team CarOLO eingesetzt. Die DARPA Urban Challenge ist ein Wettbewerb für autonome Fahrzeuge im Stadtverkehr. Die teilnehmenden PKWs müssen dabei Verkehrsregeln sowie andere Verkehrsteilnehmer berücksichtigen. Das als Versuchsträger verwendete Fahrzeug, ein 2006 VW Passat, wurde dazu mit Laserscanner-, Radar- und Infrarotsensoren ausgerüstet. Diese Sensorkonfiguration bietet die Möglichkeit, ein vollständiges Bild des Fahrzeugumfelds zu erstellen. Durch Überschneidung der Sensorbereiche können die redundanten Messdaten genutzt werden, um eine wirksame Plausibilisierung der Sensormessdaten durchzuführen und so Falschdetektionen zu minimieren. Diese Eigenschaft ist von erheblicher Bedeutung, da im Vergleich zu Sensorkonzepten für die Autobahn sehr viel mehr ungewollte Objekte, beispielsweise durch Senken oder Hügel, von den Sensoren wahrgenommen werden. Aktuelle Fahrerassistenzsysteme zielen eher auf außerstädtische Umgebungen, etwa im Rahmen des ACC, ab. Bei einer Ausweitung des Einsatzgebietes auf urbane Umgebungen ist eine weitaus komplexere Umfelderfassung vonnöten. Für ein Umfelderkennungssystem im urbanen Gebiet spielt, bedingt durch die vergleichsweise geringen Geschwindigkeiten, das nahe Umfeld um das Fahrzeug eine sehr bedeutende Rolle. Dieses muss neben dem Wissen über die Existenz von Hindernissen auch Informationen über die genauen Konturen der Objekte enthalten. Die in dieser Arbeit entwickelte Sensor-Daten-Fusion ermöglicht es, mehrere Sensorobjekte von verschiedenen Sensoren zu Konturen zusammenzufassen sowie die durch Laserscanner gewonnen Konturinformationen zu verwerten und mit Hilfe eines Extended Kalmanfilter zu tracken. Auf diese Weise kann das Fahrzeug sich in einem urbanen Umfeld mit höchster Genauigkeit bewegen. Ein weiterer Schwerpunkt bei der Entwicklung dieses Systems ist das Softwaredesign. Die Grundlage der Architektur dieser Software stellt das Pipes and Filters Muster dar. Es stellt durch die strikte Trennung von Datenkanälen und Verarbeitungsstufen eine größtmögliche Flexibilität zur Verfügung. Auf diese Weise ist es möglich, weitere Sensortypen durch Vorverarbeitungsstufen mit wenig Aufwand an die interne Datenrepräsentation anzupassen, ohne die anderen Verarbeitungsstufen zu verändern. Um den hohen Durchsatz von Sensorobjekten verarbeiten zu können ist ein intelligentes Speicherkonzept der verfolgten Objekte nötig. Zu diesem Zweck wurde eine objektorientierte Datenbank entwickelt, die den Zugriff von allen Stufen der Software optimal unterstützt. Die hier entwickelte Sensor-Daten-Fusion stellt einen real funktionierenden Ansatz für die Umfelderkennung der nächsten Generation dar. Durch die Genauigkeit und modulare Struktur kann sie weiter entwickelt und in andere Systeme integriert werden