Fachbereich Informatik

Fachbereich Informatik - Aktuell

13.12.2019

Disputation Frank Schuster

am Montag, den 13. Januar 2020, um 13:00 Uhr in Raum A301, Sand 1

 

Feature Based SLAM using High-Noise Low-Cost Automotive Sensors

Berichterstatter 1: Prof. Dr. Cristóbal Curio
Berichterstatter 2: Prof. Dr. Andreas Schilling

Schon seit den 1980er Jahren ist das autonome Fahren ein entscheidendes Forschungsgebiet in der Informatik und Robotik. Dank jüngster Erkenntnisse, die etwa durch die Bertha-Benz-Fahrt im Jahr 2013 gewonnen wurden, rückt das Ziel des vollautonomen Fahrzeugs wieder in greifbare Nähe. Dennoch bleiben viele Fragen bisher unbeantwortet. Besonders nun, wo die Automobilindustrie in Richtung autonomer Fahrbetriebe für den Serieneinsatz drängt, bleibt weiterhin das Problem der Fahrzeuglokalisierung mit serientauglichen Sensoren bisher unbeantwortet. Außerdem müssen in diesem Fall Speicher- und Rechenressourcen auf einem Minimum gehalten werden.
In dieser Arbeit wir das Simultaneous Localization and Mapping (SLAM) Problem für autonome Fahrszenarien auf einem Parkplatz näher analysiert. Dabei kommen vor allem Radio Detection and Ranging (RADAR) Sensoren zum Einsatz, die bisher zur Lokalisierung noch noch nicht im Detail analysiert wurden, obwohl sie zahlreich im Rahmen von Fahrerassistenzsystemen wie Abstandregeltempomaten zum Einsatz kommen. Da RADAR Sensoren ein hohes Grundrauschen haben, wurden diese bisher nur spärlich bei den hochpräzisen Verfahren, wie sie für das autonome Fahren nötig sind, eingesetzt, weder in der Robotik noch in der Intelligent Transportation Systems Community. In dieser Arbeit wird gezeigt, dass der RADAR sensor ein kosteneffizienter, robuster und präziser Sensor sein kann, wenn seine physikalischen Eigenschaften korrekt modelliert sind.
In diesem Zusammenhang wurde ein GraphSLAM basiertes Rahmenwerk entwickelt, das markante Punkte nur auf Basis von RADAR Daten extrahiert und so eine optimierte Karte der Umgebung des RADAR Sensors generiert. Dieses wird weiterhin benutzt, um eine Crowd basierte Lokalisierung umzusetzen, welche nicht nur auf den RADAR Sensor limitiert ist. Indem weitere Sensoren, wie z.B. ein Laserscanner und eine Stereokamera, hinzugenommen wurden, konnte ein robustes Lokalisierungssystem entwickelt werden, welches das autonome Fahren auf dem Parkplatz ermöglicht und den hohen Genauigkeitsanforderungen gerecht wird. Es wird gezeigt, dass der RADAR Sensor eine entscheidende Rolle bei der durchgeführten Sensorfusion spielt und somit die hohe Gesamtperformance erst möglich macht.
 

Zurück