Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Grid-based sensor data fusion for static and dynamic environment perception
Übersetzter Titel:
Gridbasierte Sensordatenfusion für statische und dynamische Umfeldwahrnehmung
Autor:
Wessner, Joseph
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Utschick, Wolfgang (Prof. Dr.)
Gutachter:
Utschick, Wolfgang (Prof. Dr.); Wollher, Dirk (Priv.-Doz. Dr. habil.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; ELT Elektrotechnik; MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation; VER Technik der Verkehrsmittel
TU-Systematik:
ELT 515
Kurzfassung:
Environment perception plays a crucial role in autonomous driving applications. We propose a grid-based sensor data fusion approach to generate an environment representation taking advantages of multiple sensors. In addition, we propose the usage of an online generated orientation prior, leading to a faster estimation of the cells’ velocities. Furthermore, we show how freespace and object lists can be extracted from the grid and validate the algorithm on an automotive ECU.
Übersetzte Kurzfassung:
Die Umfeldwahrnehmung spielt eine entscheidende Rolle für autonomes Fahren. In dieser Arbeit stellen wir eine gridbasierte Sensordatenfusion vor, die die Vorteile mehrerer Sensoren nutzt. Des Weiteren schlagen wir die Verwendung einer online generierten a priori Orientierungsinformation vor, um die Geschwindigkeitsschätzung der Zellen zu beschleunigen. Außerdem zeigen wir die Extraktion von Freiraum und dynamischen Objekten aus der Karte und validieren unseren Algorithmus auf einem Steuergerät.
WWW:
https://mediatum.ub.tum.de/?id=1660654
Eingereicht am:
08.06.2022
Mündliche Prüfung:
14.03.2023
Dateigröße:
16072425 bytes
Seiten:
163
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230314-1660654-1-0
Letzte Änderung:
04.05.2023
 BibTeX