Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Das hochautomatisierte Fahren erfordert die Wahrnehmung des Umfelds sowie die Bestimmung der Eigenpose in diesem Umfeld. In dieser Arbeit wird zunächst ein Verfahren zur Erkennung von Keypoints in 2D Laserscannerdaten vorgestellt. Diese Keypoints werden in einem GraphSLAM-basierten Verfahren zur Bestimmung der Fahrzeugtrajektorie verwendet, die dem Erstellen einer Gridkarte als Umgebungsabbild dient. Außerdem wird eine Lokalisierung mittels Partikelfilter auf ebendiesen Gridkarten vorgestellt. Diese Verfahren werden jeweils in typischen Szenarien des Straßenverkehrs evaluiert. ; The estimation of a vehicle’s environment and its position in the environment are essential for highly automated driving applications. The contribution of this thesis consists of three elements: First, a keypoint detection method for 2D lidar data is proposed, that detects small freestanding objects in the environment. Second, these keypoints are then used in a GraphSLAM based algorithm to estimate the vehicle’s trajectory, which in turn is used to build a gridmap based on the lidar data. Third, a particle filter is used to localize the vehicle in such gridmaps. The proposed methods are evaluated in typical road scenarios.