Bei der Entwicklung autonomer Fahrzeuge ist die probabilistische Trajektorienprädiktion von Verkehrsteilnehmern eine zentrale Herausforderung. Im Rahmen dieser Arbeit wird eine rekursive, bayessche Filter-Architektur um Gauß-Prozesse erweitert: Verglichen mit dem Stand der Technik besteht der Vorteil der vorgestellten Methode darin, formal-parametrische Beschreibungen und gelernte Zusammenhänge zu kombinieren. Komplexes Fahrverhalten wird so auf Basis analysierter Fahrzeugflottendaten modelliert.
«
Bei der Entwicklung autonomer Fahrzeuge ist die probabilistische Trajektorienprädiktion von Verkehrsteilnehmern eine zentrale Herausforderung. Im Rahmen dieser Arbeit wird eine rekursive, bayessche Filter-Architektur um Gauß-Prozesse erweitert: Verglichen mit dem Stand der Technik besteht der Vorteil der vorgestellten Methode darin, formal-parametrische Beschreibungen und gelernte Zusammenhänge zu kombinieren. Komplexes Fahrverhalten wird so auf Basis analysierter Fahrzeugflottendaten modelliert...
»