Modellbasierte Fahrzeugerkennung eines Fahrerassistenzsystems zum autonomen Folgen im Konvoi
In dieser Arbeit wird eine modellbasierte Fahrzeugerkennung zum autonomen Fahren im Konvoi vorgestellt. Der Fokus liegt zum einen auf einer präzisen Erkennung eines Führungsfahrzeuges, sodass diesem spurtreu gefolgt werden kann. Zum anderen soll der Folgeassistent umgebungsunabhängig und bei Tag als auch bei Nacht einsatzbereit sein.
Für ein spurtreues Folgen ist eine exakte Schätzung der 6D-Pose (Position und Orientierung) des Führungsfahrzeuges notwendig. Das in dieser Arbeit vorgestellte Verfahren ermittelt die ego-relative 6D-Pose des Führungsfahrzeuges sowie dessen Geschwindigkeit und Lenkwinkel mit einer hohen Genauigkeit. Die Wahrnehmung von Fahrzeugen erfolgt dabei modellbasiert, weshalb für jeden Fahrzeugtyp einmalig ein sogenanntes 3D-Merkmalsmodell erstellt werden muss. Diese Arbeit beschreibt sowohl eine manuelle als auch eine automatische Modellgenerierung. In der Generierung von 3D-Merkmalsmodellen werden die markanten Textur-, Farb-, Wärme- und Hindernismerkmale für jeden Fahrzeugtyp ermittelt und gespeichert. Anschließend ist eine modellbasierte Fahrzeugerkennung mit solchen fahrzeugspezifischen Merkmalsmodellen möglich. Hinsichtlich der Fahrzeugerkennung und dessen zeitlicher Verfolgung werden drei verschiedene Algorithmen beschrieben und verglichen. Der erste Algorithmus arbeitet mit einem Unscented Kalman-Filter mit sequentieller Innovation. Anstelle eines Kalman-Filters verwendet der zweite Algorithmus einen Partikel-Filter und der dritte Algorithmus kombiniert beide Verfahren. Die Verwendung des jeweiligen Algorithmus hängt vom Einsatzzweck ab. Darf ein Fahrzeugerkennungssystem nur wenig Rechnerlast verursachen, wird die Verwendung des ersten Algorithmus empfohlen. Liegt die Priorität dagegen auf der Genauigkeit der Posenbestimmung, ist die zweite und dritte Variante zu bevorzugen.
Die Praxistests erfolgten primär in unstrukturiertem Terrain und mit einem Konvoi von bis zu drei Teilnehmern. Hierbei kamen sowohl unterschiedliche Pkw als auch Lkw zum Einsatz, die mehrere hundert Kilometer im autonomen Betrieb absolvierten. Die grundlegende Sensorausstattung der autonomen Fahrzeuge besteht aus einem Inertialen Navigationssystem, einem Laserscanner und mindestens einer Tageslichtkamera. Für die Fahrzeugerkennung bei Nacht wird diese Grundausstattung mit einer Wärmebildkamera ergänzt. Optional können zusätzlich Low-Light-Kameras und Radarsysteme verwendet werden.
Das echtzeitfähige Gesamtsystem zeigte sich beständig gegenüber schwierigen Witterungsbedingungen (Regen, Schnee) sowie teilweisen Verdeckungen des Führungsfahrzeuges (Scheibenwischer, Verkehrsteilnehmer) und überzeugte durch spurtreues Folgen bei Geschwindigkeiten von bis zu 100 km/h.
Promotionsausschuss:
Vorsitz: Univ.-Prof. Dr. rer. nat. Matthias Gerdts
1. Berichterstatter: Univ.-Prof. Dr.-Ing. Hans-Joachim Wünsche
2. Berichterstatter: PD Dr.-Ing. habil. Dirk Wollherr (Lehrstuhl für Steuerungs- und Regelungstechnik, Technische Universität München)
Tag der Promotionsprüfung:
01.07.2019
