TU Darmstadt / ULB / TUprints

Systematische Untersuchung von Radar Tracking-Algorithmen

Ackermann, Stefan Martin (2022)
Systematische Untersuchung von Radar Tracking-Algorithmen.
Technische Universität
doi: 10.26083/tuprints-00021204
Master Thesis, Primary publication, Publisher's Version

[img] Text
Ackermann - Systematische Untersuchung von Radar Tracking-Algorithmen_TUprints.pdf
Copyright Information: CC BY 4.0 International - Creative Commons, Attribution.

Download (5MB)
Item Type: Master Thesis
Type of entry: Primary publication
Title: Systematische Untersuchung von Radar Tracking-Algorithmen
Language: German
Referees: Winner, Prof. Dr. Hermann ; Holder, Dr.-Ing. Martin Friedrich ; Rosenberger, M. Sc. Philipp
Date: 2022
Place of Publication: Darmstadt
Collation: X, 122 Seiten
Date of oral examination: 20 July 2017
DOI: 10.26083/tuprints-00021204
Abstract:

In modernen Fahrzeugen werden vermehrt Fahrerassistenzsysteme zur Steigerung der Sicherheit und des Komforts eingesetzt. In Zukunft werden als Folge des technologischen Fortschritts die Anzahl und Komplexität dieser Systeme weiter zunehmen. Für das Testen und die Freigabe hochautomatisierter Fahrfunktionen besteht die Forderung, neue Qualitätsstandards und Methoden zu entwickeln. Zu diesem Zweck haben sich 17 Projektpartner aus der deutschen Automobilindustrie zu dem Verbundprojekt “Projekt zur Etablierung von generell akzeptierten Gütekriterien, Werkzeugen und Methoden sowie Szenarien und Situationen (PEGASUS) zusammengeschlossen. Das Ziel des Projekts ist die Entwicklung eines einheitlichen Vorgehens im Bereich Test und Erprobung. Darüber hinaus wird europaweit im “ENABLE-S3“-Projekt an bereichsübergreifenden virtuellen Plattformen für die Validierung und Verifizierung hochautomatisierter Funktionen geforscht. Der Gültigkeitsbereich dieser Plattformen erstreckt sich von der Luftfahrt, über die Automobilindustrie, die Landwirtschaft, das Gesundheitswesen bis zur Schifffahrt und die Bahnindustrie. Das Fachgebiet Fahrzeugtechnik Darmstadt (FZD) ist an beiden Projekten beteiligt. Für das PEGASUS-Projekt werden Validierungsmethoden von Simulationsmodellen für aktive Sensoren entwickelt. Im Zuge dessen wird das Modell eines Radarsensors erarbeitet, das eine hohe Modellgüte aufweist. Für die Verwendung der simulierten Radarsignale in nachgelagerten Fahrerassistenzsystemen ist die Detektion und zeitliche Verfolgung von statischen und dynamischen Objekten innerhalb der Signale erforderlich. Dies gelingt mithilfe sogenannter Tracking-Algorithmen. Zurzeit steht dem Fachgebiet FZD kein solcher Algorithmus zur Verfügung. In dieser Thesis wird daher die Analyse und Entwicklung eines Tracking-Algorithmus beschrieben. Für die Implementierung wird zunächst eine Analyse des aktuellen Stands der Entwicklungen von Tracking-Verfahren durchgeführt. Im Anschluss wird ein Open Source Tracking-Algorithmus implementiert, der eine Identifizierung und Untersuchung seiner Schlüsselparameter zulässt. Für die Verwendung des Tracking-Algorithmus mit Signalen eines realen Radarsensors wird eine Schnittstelle zwischen beiden Bausteinen definiert. Um einen belastbaren Vergleich der Leistungsfähigkeit verschiedener Tracking-Algorithmen zu erhalten, wird eine Analyse bekannter Kriterien und Metriken durchgeführt. Mithilfe dieser Methoden werden die Einflüsse von Variationen der Schlüsselparameter auf die Qualität der Tracking-Ergebnisse untersucht. Gleichzeit werden Konzepte zur Erstellung von Testfällen für Tracking-Algorithmen dargelegt. Zusammen mit den Metriken wird damit eine Bewertungsgrundlage für die Qualität von Tracking-Ergebnissen präsentiert. Die Untersuchungen des implementierten Algorithmus zeigen, dass dieser die geforderten Funktionen eines Tracking-Verfahrens erfüllt. Durch die Auswertung der Tracking-Ergebnisse bei Variation der Schlüsselparameter werden die Einflüsse einzelner Parameter auf die Tracking-Qualität deutlich. Während dieser Analyse zeigt sich, dass die gewählten Metriken und Testfälle eine systematische Untersuchung der Tracking-Ergebnisse zulassen. Sie sind folglich auch für zukünftige Einschätzungen der Tracking-Qualität weiterer Algorithmen einsetzbar.

Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-212048
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
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: 04 May 2022 13:52
Last Modified: 24 Aug 2022 09:08
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/21204
PPN: 495504017
Export:
Actions (login required)
View Item View Item