TU Darmstadt / ULB / TUbiblio

Entwicklung eines lidartypischen Objektlisten-Sensormodells

Aust, Philip (2019):
Entwicklung eines lidartypischen Objektlisten-Sensormodells.
Darmstadt, Technische Universität, [Online-Edition: https://tuprints.ulb.tu-darmstadt.de/8943],
[Master Thesis]

Abstract

Durch die zunehmende Automatisierung von Fahrzeugen steigen die Anforderungen an die Absicherung der Fahrfunktionen. Die Durchführung von Simulationen bietet das Potential, die Freigabe hochautomatisierter Fahrfunktionen deutlich zu beschleunigen. Hierzu werden am Fachgebiet Fahrzeugtechnik (FZD) der Technischen Universität Darmstadt im Rahmen der Forschungsprojekte PEGASUS und ENABLE-S3 Sensormodelle für Lidar-, Radar- und Ultraschallsensoren entwickelt.

Bisherige Simulationen arbeiten mit physikalisch basierten Sensormodellen, die die simulierte Umgebung erfassen und als Punktewolke ausgeben. Zur Erstellung einer Objektliste aus den Punktewolken sind anschließend aufwendige Algorithmen für Segmentierung, Tracking und Klassifizierung der Objekte erforderlich. Im Rahmen dieser Arbeit wird ein neuartiges Objektlisten-Modell für Lidar-Sensoren entwickelt, das Objektlisten generiert und ohne die Ausführung von rechenintensiven Algorithmen zur Punktewolkenverarbeitung auskommt. Dazu werden nur die Punktewolken des Lidar-Sensormodells sowie die bekannten Ground-Truth-Informationen aus der Simulationsumgebung verwendet.

Als Grundlage für das Objektlisten-Modell dient der Ibeo Lux 2010 sowie das mitgelieferte Steuergerät, das die Punktewolken zu Objektlisten verarbeitet. Zunächst wird ein Basismodell erstellt, das die real aufgezeichneten Objektlisten simuliert. Anschließend wird das Modell erweitert, sodass ebenfalls modernere Lidarsensoren mit verbesserten Algorithmen simuliert werden können.

Die Qualität des entwickelten Sensormodells wird anhand von realen Fahrversuchen untersucht. Die Fahrversuche werden mithilfe der aufgezeichneten GPS-Daten nachsimuliert, sodass die Ausgabe des Objektlistenmodells direkt mit den realen Messdaten verglichen werden kann. Die Ergebnisse werden dabei durch Anwendung vorgestellter Metriken für Objektlisten bewertet. Im Anschluss wird ein Ausblick über die Möglichkeiten zur Erweiterung des Objektlisten-Modells gegeben.

Item Type: Master Thesis
Erschienen: 2019
Creators: Aust, Philip
Title: Entwicklung eines lidartypischen Objektlisten-Sensormodells
Language: German
Abstract:

Durch die zunehmende Automatisierung von Fahrzeugen steigen die Anforderungen an die Absicherung der Fahrfunktionen. Die Durchführung von Simulationen bietet das Potential, die Freigabe hochautomatisierter Fahrfunktionen deutlich zu beschleunigen. Hierzu werden am Fachgebiet Fahrzeugtechnik (FZD) der Technischen Universität Darmstadt im Rahmen der Forschungsprojekte PEGASUS und ENABLE-S3 Sensormodelle für Lidar-, Radar- und Ultraschallsensoren entwickelt.

Bisherige Simulationen arbeiten mit physikalisch basierten Sensormodellen, die die simulierte Umgebung erfassen und als Punktewolke ausgeben. Zur Erstellung einer Objektliste aus den Punktewolken sind anschließend aufwendige Algorithmen für Segmentierung, Tracking und Klassifizierung der Objekte erforderlich. Im Rahmen dieser Arbeit wird ein neuartiges Objektlisten-Modell für Lidar-Sensoren entwickelt, das Objektlisten generiert und ohne die Ausführung von rechenintensiven Algorithmen zur Punktewolkenverarbeitung auskommt. Dazu werden nur die Punktewolken des Lidar-Sensormodells sowie die bekannten Ground-Truth-Informationen aus der Simulationsumgebung verwendet.

Als Grundlage für das Objektlisten-Modell dient der Ibeo Lux 2010 sowie das mitgelieferte Steuergerät, das die Punktewolken zu Objektlisten verarbeitet. Zunächst wird ein Basismodell erstellt, das die real aufgezeichneten Objektlisten simuliert. Anschließend wird das Modell erweitert, sodass ebenfalls modernere Lidarsensoren mit verbesserten Algorithmen simuliert werden können.

Die Qualität des entwickelten Sensormodells wird anhand von realen Fahrversuchen untersucht. Die Fahrversuche werden mithilfe der aufgezeichneten GPS-Daten nachsimuliert, sodass die Ausgabe des Objektlistenmodells direkt mit den realen Messdaten verglichen werden kann. Die Ergebnisse werden dabei durch Anwendung vorgestellter Metriken für Objektlisten bewertet. Im Anschluss wird ein Ausblick über die Möglichkeiten zur Erweiterung des Objektlisten-Modells gegeben.

Place of Publication: Darmstadt
Divisions: 16 Department of Mechanical Engineering
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD)
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD) > Driver Assistance
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD) > Test Methods
Date Deposited: 06 Oct 2019 19:55
Official URL: https://tuprints.ulb.tu-darmstadt.de/8943
URN: urn:nbn:de:tuda-tuprints-89439
Referees: Winner, Prof. Dr. Hermann and Rosenberger, M.Sc. Philipp
Refereed / Verteidigung / mdl. Prüfung: 18 June 2019
Export:
Suche nach Titel in: TUfind oder in Google

Optionen (nur für Redakteure)

View Item View Item