Mobile robots require an accurate environment perception to plan intelligent maneuvers and avoid collisions. This thesis presents a novel multi-sensor environment estimation strategy that fully combines tracking moving objects and mapping the static environment. The basic idea is to fuse and accumulate measurement data by a dynamic occupancy grid model, whereas moving objects are extracted subsequently based on that generic low-level grid representation. Overall, this work results in a robust and consistent estimation of arbitrary objects and obstacles, which is demonstrated in the context of autonomous driving in complex unstructured environments.     «

Mobile robots require an accurate environment perception to plan intelligent maneuvers and avoid collisions. This thesis presents a novel multi-sensor environment estimation strategy that fully combines tracking moving objects and mapping the static environment. The basic idea is to fuse and accumulate measurement data by a dynamic occupancy grid model, whereas moving objects are extracted subsequently based on that generic low-level grid representation. Overall, this work results in a robust an...     »

Mobile Roboter benötigen eine genaue Umgebungswahrnehmung zur intelligenten Fahrmanöverplanung und Kollisionsvermeidung. Diese Thesis stellt eine neuartige Strategie zur Multi-Sensor Umgebungsschätzung vor, die das Objekt-Tracking mit der Kartierung der statischen Umgebung kombiniert. Die Grundidee besteht darin, Messdaten in einem Dynamic-Occupancy-Grid Modell zu fusionieren und zu akkumulieren, wobei bewegte Objekte erst aufbauend auf dieser generischen Low-Level Grid-Repräsentation extrahiert werden. Insgesamt führt diese Arbeit zu einer robusten und konsistenten Schätzung beliebiger Objekte und Hindernisse, was im Kontext des autonomen Fahrens in komplexen unstrukturierten Umgebungen demonstriert wird.     «

Mobile Roboter benötigen eine genaue Umgebungswahrnehmung zur intelligenten Fahrmanöverplanung und Kollisionsvermeidung. Diese Thesis stellt eine neuartige Strategie zur Multi-Sensor Umgebungsschätzung vor, die das Objekt-Tracking mit der Kartierung der statischen Umgebung kombiniert. Die Grundidee besteht darin, Messdaten in einem Dynamic-Occupancy-Grid Modell zu fusionieren und zu akkumulieren, wobei bewegte Objekte erst aufbauend auf dieser generischen Low-Level Grid-Repräsentation extrahiert...     »