User: Guest  Login
Original title:
Deep Learning-based Radar, Camera, and Lidar Fusion for Object Detection 
Translated title:
Deep Learning-basierte Fusion von Radar-, Kamera- und Lidardaten zur Objekterkennung 
Year:
2022 
Document type:
Dissertation 
Institution:
TUM School of Engineering and Design 
Advisor:
Lienkamp, Markus (Prof. Dr.) 
Referee:
Lienkamp, Markus (Prof. Dr.); Dietmayer, Klaus (Prof. Dr.) 
Language:
en 
Subject group:
VER Technik der Verkehrsmittel 
TUM classification:
VER 020 
Abstract:
Detecting objects in the environment is a prerequisite for autonomous driving. To increase the detection performance and robustness of current object detection methods - for example in severe weather - low-level data fusion methods for radar, camera, and lidar data are developed. On a public data set, two of the developed radar-centric low-level fusion methods show higher detection scores than the respective baseline methods not using radar data as part of the input. 
Translated abstract:
Das Erkennen von Objekten in der Umgebung ist eine Grundvoraussetzung für autonomes Fahren. Um die Güte und Robustheit von Detektionsalgorithmen zu verbessern, werden low-level Sensorfusionsmethoden für Radar-, Kamera- und Lidardaten entwickelt. Auf einem öffentlichen Datensatz zeigen zwei der entwickelten Methoden durch die Fusion von Radardaten als Teil der Eingangsdaten höhere Objektdetektionsgüten als die Basismethoden, die keine Radardaten verwenden. 
Oral examination:
26.04.2022 
File size:
13743870 bytes 
Pages:
130 
Last change:
17.05.2022