TU Darmstadt / ULB / TUprints

Stimulation eines Radar-Objekterkennungs- und Trackingverfahren mit synthetischen Daten

Zaman, Zahra (2020):
Stimulation eines Radar-Objekterkennungs- und Trackingverfahren mit synthetischen Daten.
Darmstadt, Technische Universität, DOI: 10.25534/tuprints-00013502,
[Master Thesis]

[img]
Preview
Text
math_761-19_zahra_zaman_ho_tuprints.pdf
Available under CC-BY-NC-ND 4.0 International - Creative Commons, Attribution Non-commerical, No-derivatives.

Download (5MB) | Preview
Item Type: Master Thesis
Title: Stimulation eines Radar-Objekterkennungs- und Trackingverfahren mit synthetischen Daten
Language: German
Abstract:

Obwohl heute noch keine automatisierten Fahrzeuge flächendeckend im Straßenverkehr zu finden sind, werden moderne Fahrzeuge vermehrt mit Fahrerassistenzsystemen ausgestattet, um bereits so eine Steigerung der Sicherheit, aber auch des Komforts zu erreichen. Bis zu seiner Einführung trifft das automatisierte Fahren auf Hürden, welche insbesondere die Freigabe der automatisierten Fahrzeuge betreffen. Die Freigabe benötigt, ebenfalls zur Absicherung der Automobilhersteller, einen umfassenden Sicherheitsnachweis. Dieser Nachweis erfordert Feldversuche und deren anschließen- den Auswertung, sodass Aussagen zum Sicherheitspotenzial einer automatisierten Fahrt getroffen werden können. Um den Aufwand der Realfahrten, welcher durch Feldversuche verursacht wird, zu senken, wird ein Teil der Realfahrten durch Sicherheitsnachweise in Simulationsumgebungen ersetzt. Diese Simulationsumgebungen bilden nicht nur das Fahrzeug und die Umgebung virtuell ab, sondern modellieren auch die erforderlichen Sensoren. Aus diesem Grund wurde am Fachgebiet für Fahrzeugtechnik an der Technischen Universität Darmstadt ein Radarsensormodell entwickelt und in der Simulationssoftware Virtual Test Drive von Vires implementiert. Dieses Modell erzeugt mithilfe eines Raytracing-Verfahrens synthetische Rohdaten und extrahiert hieraus einzelne Detektionen. Die zeitliche Nachverfolgung dieser Einzeldetektionen, dem sogenannten Tracking, ermöglicht, Detektionen zu Objekten zusammenzufassen. Beim FZD steht der Radarsensor eines Automobilzulieferers zur Verfügung, welcher allerdings keinen Einblick in die genaue Funktionsweise des Tracking-Moduls erlaubt, sodass eine Anpassung dieses Moduls zur zusätzlichen Verarbeitung von synthetischen Rohdaten nicht möglich ist. Ziel dieser Masterthesis ist es daher, einen Algorithmus zur Radar-Objekterkennung und Tracking zu implementieren, welcher in der Lage ist sowohl Mess- als auch Simulationsdaten derart zu verarbeiten, dass eine Objektliste ausgegeben wird.

Place of Publication: Darmstadt
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD)
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD) > Driver Assistance
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD) > Test Methods
Date Deposited: 27 Oct 2020 12:55
Last Modified: 27 Oct 2020 13:15
DOI: 10.25534/tuprints-00013502
URN: urn:nbn:de:tuda-tuprints-135025
Referees: Holder, M. Sc. Martin and Winner, Prof. Dr. Hermann and Rosenberger, M. Sc. Philipp and Linnhoff, M. Sc. Clemens
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/13502
Export:
Actions (login required)
View Item View Item