Objektverfolgung und -fusion für die Ableitung von Fahrsituationen

Abstract

Um die Entwicklung leistungsfähiger Fahrerassistenz- und Automationssysteme zu ermöglichen, ist eine detaillierte Beschreibung der Fahrsituation wesentlich. Dieser Beitrag beschäftigt sich mit der Erkennung von 3D-Objekten und insbesondere mit derer Verfolgung. Hierzu werden neue Strategien zur Behandlung typischer Problemen und Inkonsistenzen in der Objektverfolgung und -fusion vorgestellt, wie beispielsweise unsichere Daten, Daten bei veränderlicher Perspektive, Ausreißer, Split- und Merge-Effekte etc. Die vorgeschlagenen Mechanismen reichen von der adaptiven Modellierung des Rauschens, über die mehrfache Assoziation, die Verdoppelung bzw. Vereinigung von Objekthypothesen bis hin zur expliziten Modellierung der partiellen Beobachtbarkeit der Objekte. Diese Strategien wurden anhand von simulierten und realen Daten getestet. Die Ergebnisse zeigen eine deutliche Verbesserung der Objektqualität bei vergleichsweise schlanken und effektiven Mechanismen.