Genaue Smartphone Lokalisierung durch Datenfusion integrierter Sensoren
Die Bestimmung des eigenen Standortes nimmt eine wichtige Rolle für Sicherheits- und Komfortanwendungen (z.B. Navigation, ACC) im Automobilbereich ein. Eine gute Lokalisierung kann in der Regel nur durch die Kombination mehrerer Sensoren (z.B. GPS, Kinematik) erreicht werden. Waren diese Daten bislang häufig nur in Fahrzeugen der Oberklasse verfügbar, bieten heutige Smartphones eine Vielzahl integrierter Sensorik, die für eine Lokalisierung verwendet werden können.
GPS/GNSS Multikostellation Positionierung für Fahrzeuge
Die genaue und robuste Lokalisierung von Fahrzeugen ist eine wichtige Grundfunktionalität für moderne Fahrerassistenz- und Navigationssysteme. Die Positionsbestimmung durch ein Globales Satelliten Navigationssytem (GNSS) wie GPS ist hierfür besonders geeignet. Die freie Verfügbarkeit des Signals und relative leicht Integration prädestinieren diesen Sensor für die Eigenlokalisierung.
3D Modellierung von GPS Mehrwegeausbreitungen mit Hilfe von Google Earth
Die eigene Position möglichst genau zu kennen, ist eine wichtige Voraussetzung für eine Reihe aktueller und zukünftiger Navigations- sowie Sicherheitsanwendungen im Automobilbereich. Es existiert eine Reihe von Verfahren, wie der europäische Satellitennavigationserweiterungsdienst EGNOS, die die Genauigkeit von GPS-basierten Positionsbestimmungsmethoden verbessern und unterstützen können. Aktuelle Forschungsergebnisse haben gezeigt, dass diese Dienste insbesondere im innerstädtischen Bereich die geforderte Präzision nicht einhalten können. Gründe hierfür sind die eingeschränkte GPS-Verfügbarkeit durch Abschattung und unvorhersehbare Mehrwegeausbreitung die die GPS-Signale verfälschen.
Die eigene Position möglichst genau zu kennen, ist eine wichtige Voraussetzung für eine Reihe aktueller und zukünftiger Navigations- sowie Sicherheitsanwendungen im Automobilbereich. Derzeitige Systeme zur Positionsbestimmung bieten entweder nicht die geforderte Genauigkeit (z.B. rein GPS basierte Lösungen) oder sind für den Einsatz in PKWs zu teuer (z.B. lasergestützte Inertialmesssysteme). Eine Lokalisierung auf Basis von Kamerabildern und digitaler Karten stellt hierzu eine preiswerte Alternative dar.
Bewertung des Fahrzeugumfelds mit Hilfe Bayes'scher Netze
Für moderen Fahrerassistenzsysteme ist die Erkennung des Fahrzeugumfelds mittels unterschiedlicher Sensoren von großer Bedeutung. Zusätzlich müssen die so gewonnene Informationen jedoch auch in einen Zusammenhang gebracht und bewertet werden, um trotz komplexer Verkehrssituationen und begrenzter Sensorkapazitäten verlässliche Warnungen oder Fahreingriffe zu ermöglichen.
Implementierung und Analyse von Objektverfolgungsverfahren auf Grundlage des Shadowing-Filters
Objektverfolgungsverfahren sind essentielle Bestandteile moderner Fahrerassistenzsysteme, welche die zuverlässige Schätzung von Existenz, Position und Bewegungsparametern verschiedener Objekte des Fahrzeugumfelds ermöglichen. In heutigen Systemen kommen dabei nahezu ausschließlich sequentielle Bayes-Filter zum Einsatz, welche das Fahrzeugumfeld probabilistisch modellieren.
Relative Fahrzeuglokalisierung in dezentralen WLAN-Sensornetzen
Die Diplomarbeit soll Fahrzeugdaten wie GPS und Odometrie mit Messungen anderer Fahrzeuge kombinieren, um die relative Lokalisierung der Fahrzeuge zueinander zu verbessern. Dafür sollen GPS Rohdaten (Pseudoranges) mit Hilfe von Fahrzeug-Fahrzeug-Kommunikation ausgetauscht werden. In der Arbeit soll eine Softwarekomponente entworfen und implementiert werden, die es erlaubt, zwei an der Professur vorhandene Versuchsfahrzeuge (VW Touran) in Echtzeit relativ zueinander zu lokalisieren. Das System soll unter verschiedenen Bedingungen bzw. Umgebungen wie Autobahn und Innenstadt evaluiert werden.
Integration von Kamerabildern und digitalen Karten zur dreidimensionalen Fahrbahnmodellierung
Das automatische Erkennen von Fahrbahnmarkierungen aus Kamerabildern und die damit verbundene Schätzung der Fahrspurparameter ist eine wichtige Voraussetzung für verschiedene automobile Sicherheits- und Komfortsysteme. Heutige Systeme erkennen die Fahrspur jedoch nur in einem begrenzten Bereich vor dem Fahrzeug.
Erzeugung digitaler Video-Dateien mit besonderen Anforderungen
Die digitale Aufzeichnung von Video-Daten erfolgt durch Abspeichern der mit der Kamera aufgenommenen Einzelbilder. Schon bei geringer Aufnahmedauer fallen demnach große Mengen an einzelnen Dateien an, die den Umgang mit der aufgezeichneten Sequenz umständlich, teilweise sogar schwierig aber vor allem langsam machen. Deswegen werden für diese Aufgabe Streams verwendet, die ein kontinuierliches Ablegen der Bilder in einer Datei ermöglichen.
GPU Programmierung mit NVIDIA CUDA für die Implementierung eines Partikel Filters
GPU Programmierung mit NVIDIA CUDA für die Implementierung eines Partikel Filters.
Mit CUDA (Compute Unified Device Architecture) stellt der Grafikkartenhersteller NVIDIA ein neues Development Toolkit zur Verfügung, mit dessen Hilfe komplexe wissenschaftliche Berechnungen parallel auf speziellen Grafikkarten durchgeführt werden können.
Entwicklung einer Überwachung des toten Winkels in Fahrzeugumgebungen mit Entfernungsbildkamera
Die Verfügbarkeit von Entfernungsbildkameras eröffnet der Forschung auf dem Gebiet der Szenenanalyse für mobile Fahrzeuge neue Möglichkeiten. Durch das aktive Messprinzip der Kamera wird ein verhältnismäßig hoch aufgelöstes dreidimensionales Bild der Szene erstellt.
Entwicklung einer Freiraum- und Hinderniserkennung mit Entfernungsbild-Kamera...
...für ein autonom navigierendes Fahrzeug
Die Verfügbarkeit von Entfernungsbildkameras eröffnet der Forschung auf dem Gebiet der Szenenanalyse für mobile Fahrzeuge neue Möglichkeiten. Durch das aktive Messprinzip der Kamera wird ein verhältnismäßig hoch aufgelöstes dreidimensionales Bild der Szene erstellt.
Erkennung von Hindernissen und Erfassung der Umgebung eines autonomen Fahrzeuges ...
...mit Hilfe eines Laserscanners
Die möglichst vollständige Erfassung der Umgebung eines Fahrzeuges ist ein wichtiges Teilgebiet in der aktuellen Forschung für Fahrerassistenzsysteme. Um dies zu erreichen, werden sich zukünftige Verfahren unterschiedlicher Sensoren bedienen und deren Daten zu einem Gesamtergebnis fusionieren. Lasersensoren liefern dazu wichtige Informationen, indem sie die Umgebung eines Fahrzeuges dreidimensional erfassen.
Selbstlokalisierendes Sensornetzwerk mit Hilfe von Car2Car WLAN Kommunikation
Die genaue Lokalisierung sowohl des eigenen Fahrzeuges als auch aller anderen in der Umgebung befindlicher Fahrzeuge spielt eine entscheidende Rolle bei der Entwicklung von Fahrerassistenzsystemen wie z.B. Spurwechselassistent, „PreCrash“ und automatische Notfallbremse. Spezielle Schätz- und Filterverfahren werden verwendet, um die Initialisierung, zeitliche Verfolgung und Verifikation der Positionsschätzung zu erlauben.
