Benutzer: Gast  Login
Originaltitel:
Machine Learning for Grid-Based Sensor Fusion in Automotive Applications
Übersetzter Titel:
Maschinelles Lernen für die grid-basierte Sensordatenfusion in automobilen Anwendungen
Autor:
Balazs, Gabor
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Stechele, Walter (Prof. Dr.)
Gutachter:
Stechele, Walter (Prof. Dr.); Biebl, Erwin (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 200
Kurzfassung:
Advanced driver assistance systems of L2/2+ require a robust environmental model with free-space estimation. To create such model, a dense, multi-modal perception is needed. However, in current distributed systems only pre-processed data is accessible to a fusion ECU. The problem of fusing pre-processed sensor data to a grid-based environmental model is tackled with neural networks. The thesis deals with the creation, the special training scheme and the multi-objective optimization of these net...     »
Übersetzte Kurzfassung:
Fahrerassistenzsysteme der Stufe L2/2+ setzen ein robustes Umfeldmodell mit Freiraumerkennung voraus. Um dies zu erstellen, bedarf es einer reichhaltigen, multimodalen Perzeption. Jedoch gibt es in den aktuellen, verteilten Systemarchitekturen für Fusionsprozessoren nur Zugriff auf vorverarbeitete Daten. Die Erstellung eines Grid-basierten Umfeldmodells aus den vorverarbeiteten Sensordaten wird mit neuronalen Netzen bewerkstelligt. Die Arbeit befasst sich mit der Erstellung, dem speziellen Trai...     »
WWW:
https://mediatum.ub.tum.de/?id=1615018
Eingereicht am:
21.07.2021
Mündliche Prüfung:
27.01.2022
Dateigröße:
8162499 bytes
Seiten:
155
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220127-1615018-1-8
Letzte Änderung:
05.04.2022
 BibTeX