Entwicklung von Methoden für die fahrzeugübergreifende Umfelderfassung

Abstract

Heutige Fahrerassistenzsysteme basieren auf den Daten einer Vielzahl von Sensoren, die i. d. R. ausschließlich im Fahrzeug verbaut sind. Um die Anforderungen zukünftiger Fahrerassistenzsysteme, insbesondere des hochautomatisierten Fahrens, erfüllen zu können, kann die Nutzung weiterer Informationsquellen einen wichtigen Beitrag leisten. Die zusätzliche Einbindung von Sensoren anderer Fahrzeuge oder von Infrastruktureinheiten mit Hilfe von drahtlosen Kommunikationssystemen ermöglicht dem eigenen Fahrzeug im Rahmen einer sogenannten fahrzeugübergreifenden Umfelderfassung, Informationen über ansonsten schwer oder gar nicht einsehbare Bereiche im Fahrzeugumfeld zu erhalten, um so die Anforderungen zukünftiger Fahrerassistenzsystem zu erfüllen. Ziel dieser Arbeit ist die Entwicklung und prototypische Umsetzung einer fahrzeugübergreifenden Umfelderfassung im Längsverkehr auf Basis von Objektdaten. Dazu werden neben einer Architektur insbesondere Methoden für die erforderlichen Einzelschritte der fahrzeugübergreifenden Umfelderfassung entwickelt, prototypisch implementiert und erprobt. Erstmalig wird dabei ein System zur fahrzeugübergreifenden Umfelderfassung auf Basis realer Messdaten aus drei Versuchsfahrzeugen im Gesamtverbund quantitativ evaluiert. Die im Rahmen dieser Arbeit entwickelte Architektur ist als modular aufgebaute, verteilte Fusionsarchitektur ausgeführt. Das Versenden der fahrzeuglokalen Umfelderfassungsergebnisse vermeidet Informationsschleifen zwischen den Kommunikationspartnern und damit unnötige Korrelation der versendeten Daten. Zu den im Rahmen dieser Arbeit entwickelten Methoden gehören u. a. Methoden zur zeitlichen und räumlichen Angleichung von empfangenen Objektdaten im Empfängerfahrzeug. Dabei wird insbesondere auf die korrekte Berechnung der Unsicherheiten mit Hilfe einer Unscented Transformation geachtet. Für die fahrzeugübergreifende Objektassoziation werden in dieser Arbeit erstmalig Point Matching Algorithmen verwendet. Die Fehler in der relativen Position und Orientierung zwischen Sender und Empfängerfahrzeug werden dabei durch optimale geometrische Überlagerung der beiden entsprechenden Objektlisten bestimmt. Zu diesem Zwecke werden verschiedene Kategorien von Point Matching Algorithmen in der Simulation auf ihre Tauglichkeit untersucht. Zur Schätzung der Restunsicherheit nach dem Matching wird in dieser Arbeit ein neuartiges Verfahren auf Basis einer Unscented Transformation entwickelt. Für die fahrzeugübergreifende Zustandsfusion werden in der Simulation verschiedene Fusionsstrategien und -algorithmen auf ihre Tauglichkeit untersucht und miteinander verglichen. Als besonders robust gegenüber Modellierungsfehlern erweisen sich hierbei die Covariance Intersection Algorithmen, obgleich hinsichtlich des Schätzfehlers die Information Matrix Fusion oder der Use of Cross Covariance Algorithmus meist bessere Ergebnisse liefern. Zur Validierung der Simulationsergebnisse findet eine Erprobung der entwickelten Methoden und Algorithmen im Realfahrzeug statt. Dafür stehen drei ausgestattete Versuchsträger zur Verfügung. Die Algorithmen für die fahrzeugübergreifende Assoziation mittels Point Matching reduzieren in den Versuchsfahrten den mittleren absoluten Positionsfehler der empfangenen Objekte auf etwa die Hälfte im Vergleich zum Ausgangszustand. Unter den Fusionsalgorithmen erreicht die Information Matrix Fusion in den Realversuchen das beste Ergebnis bezogen auf den Schätzfehler. Als einer der Hauptvorteile der fahrzeugübergreifenden Umfelderfassung kann die Auflösung von Sichtverdeckungen in den Realversuchen exemplarisch nachgewiesen werden.