One of the main requirements for advanced driver assistance systems is the reliability of the acquired driving environment information. Typically the following statement can be applied: ”the higher the safety level of an assistance system the more accurate the evaluation of the environment information”. In this sense a method that robustly combines the features and data of dissimilar and partially redundant sensors, identifies and isolates sensor malfunctions is required. For these reasons the purpose of this work is to present an method that extends the conventional functionality of sensor fusion systems. This strategie brings out the benefits and further develops the features of multiple target tracking and fault detection and identification methods.      «

One of the main requirements for advanced driver assistance systems is the reliability of the acquired driving environment information. Typically the following statement can be applied: ”the higher the safety level of an assistance system the more accurate the evaluation of the environment information”. In this sense a method that robustly combines the features and data of dissimilar and partially redundant sensors, identifies and isolates sensor malfunctions is required. For these reasons th...     »

Die Erfassung von Vorgängen in der Fahrumgebung ist eine wesentliche Voraussetzung für die Realisierbarkeit zukünftiger Fahrassistenzsysteme (FAS). Solche Vorgänge können anhand verschiedener Sensoren ermittelt werden. Dabei müssen die Zuverlässigkeit dieser Information und deren Verarbeitungsmethoden, abhängig von den FAS- Anforderungen, gewährleistet sein. In diesem zusammenhang entsteht eine wichtige Fragestellung: Wie kann die Information von diversitären und teilweise redundanten Sensoren genutzt werden, um eine maximale Leistungsfähigkeit zu erreichen? Die Sensoren müssen so kombiniert werden, dass sie kooperieren, sich ergänzen und konkurrieren können. durch Sensordaten-Fusion und Multiple Target Tracking wird die Information unterschiedlicher Sensoren vereinigt, die Robustheit und Redundanz erhöht und “neue” Information basierend auf Modellannahmen und Hypothesen abgeleitet. Ein weiterer wichtiger Aspekt ist, die Zuverlässigkeit der Fahrumgebungsinformation trotz Sensorfehlfunktionen zu garantieren. Sensorfehler müssen schnellstmöglich erkannt und isoliert werden. Fehlerdetektions- und Fehlerisolierungsmethoden (engl. Fault Detection and Identification-FDI) bieten verschiedene wissensbasierte Verfahren, die auf analytischen oder heuristischen Informationen beruhen. Sensordaten- Fusion und FDI- Methoden ermöglichen u.a. die Evaluierung der Fahrumgebungsinformation. Beide Ansätze können sich ergänzen und gegenseitig überwachen, da sie teilweise gemeinsame Ziele und Strategien aufweisen und sich effizient miteinander integrieren lassen. Durch die Kombination und Weiterentwicklung beider Methoden kann eine höhere Zuverlässigkeit von Fahrerassistenzsystemen erreicht werden.      «

Die Erfassung von Vorgängen in der Fahrumgebung ist eine wesentliche Voraussetzung für die Realisierbarkeit zukünftiger Fahrassistenzsysteme (FAS). Solche Vorgänge können anhand verschiedener Sensoren ermittelt werden. Dabei müssen die Zuverlässigkeit dieser Information und deren Verarbeitungsmethoden, abhängig von den FAS- Anforderungen, gewährleistet sein. In diesem zusammenhang entsteht eine wichtige Fragestellung: Wie kann die Information von diversitären und teilweise redundanten Sensore...     »