FAHRZEUGLOKALISIERUNG DURCH AUTOMOTIVE LASERSCANNER UNTER VERWENDUNG STATISCHER MERKMALE

摘要

Ein elementarer Aspekt des autonomen Fahrens ist die Eigenlokalisierung des Fahrzeuges. In der Regel werden hierzu die Messungen verschiedener Sensoren in einem Filteransatz kombiniert. Um eine hohe Genauigkeit und Integrität zu ermöglichen, können auch redundante Positionslösungen in den Filter einfließen. In der vorliegenden Arbeit wird die Position aus den Messungen von Automotive-Laserscannern bestimmt. Diese haben im Vergleich zu Kameradaten den Vorteil, dass sie weitestgehend beleuchtungsunabhängig arbeiten und direkt 3D-Informationen liefern. Zur Lokalisierung werden drei verschiedene Methoden entwickelt: die Verwendung stangenförmiger Objekte und Ebenen, eine Scanbildkorrelation sowie eine Sequenzanalyse zur globalen Positionsbestimmung. Zur Bewertung der Methoden wird die Genauigkeit und Zuverlässigkeit der erzielten Lokalisierungsergebnisse untersucht. Hierbei kommen weiterhin unterschiedliche Automotive-Laserscanner in unterschiedlichen Anbringungen am Fahrzeug zum Einsatz, welche ebenfalls miteinander verglichen werden. Zunächst werden stangenförmige Objekte und Ebenen aus den Messungen von Automotive-Laserscannern segmentiert und entsprechenden Referenz-Landmarken zugeordnet. Diese Referenzen stammen aus den Daten eines Mobile-Mapping-Systems mit übergeordneter Genauigkeit. Durch die Verwendung von Stangen und Ebenen kann die Position in 97 % der Fälle bestimmt werden, wenn die entlang der zuletzt zurückgelegten 50 m segmentierten Landmarken betrachtet werden. Die erzielbare Genauigkeit beträgt hierbei 0,08 m. Durch Landmarken-Muster kann weiterhin eine globale Position bestimmt sowie die Anzahl an False-Positive-Detektionen reduziert werden. Allerdings sinkt hierbei die Vollständigkeit auf lediglich 7%. Mit der Sequenzanalyse wird ein Verfahren vorgestellt, mit welchem unabhängig von GNSS-Messungen eine globale Position bestimmt werden kann. Hierzu werden jedem Laserscan eines am Fahrzeug vertikal montierten Laserscanners entlang einer Referenztrajektorie ein durch ein Clustering-Verfahren bestimmtes Label und eine Position zugeordnet. Im Lokalisierungsschritt können einer Abfolge von Laserscans ebenfalls mit demselben Verfahren Labels zugeordnet werden. Die Position ergibt sich anschließend durch den Abgleich der aktuellen Sequenz mit der Referenzsequenz. Es zeigt sich, dass bereits nach 120 m eine eindeutige Positionslösung mit einer Genauigkeit von unter 2 m korrekt bestimmt werden kann. Die Scanbildkorrelation vergleicht die Messungen verschiedener Automotive-Laserscanner anhand der Distanz- und Intensitätswerte mit Referenz-Scanbildern. Die Referenzbilder werden aus mehreren Datensätzen eines Mobile-Mapping-Systems erstellt. Ein wichtiger Aspekt hierbei ist die Detektion dynamischer Objekte. Für die Referenzbilder geschieht dies durch eine Anderungsdetek-tion sowie durch eine Objekt-Klassifizierung. Für die Automotive-Daten werden hierfür Methoden des maschinellen Lernens angewandt. Werden lediglich statische Objekte verwendet, kann die Vollständigkeit des Verfahrens von 88 % auf 93 % erhöht werden, bei einer Genauigkeit von 0,05 m. Ein Vergleich der erzielten Ergebnisse mit dem aktuellen Stand der Forschung zeigt, dass insbesondere die erzielten Genauigkeiten hoch sind. Die Zuverlässigkeit der Sequenzanalyse ist zudem höher als aktuelle Ansätze zur Bestimmung einer absoluten Position ohne die Verwendung von GNSS-Messungen.