Item Type: |
Master Thesis |
Type of entry: |
Primary publication |
Title: |
Large-scale probabilistic feature mapping and tracking for autonomous driving |
Language: |
English |
Referees: |
Peters, Prof. Dr. Jan |
Date: |
14 August 2024 |
Place of Publication: |
Darmstadt |
Date of oral examination: |
23 July 2014 |
DOI: |
10.26083/tuprints-00004112 |
Abstract: |
Autonomous driving requires a precise vehicle localization which can be achieved by using specific maps. This creates the challenge of constructing a system that generates these maps at a large scale by fusing sensor data. The issue of producing maps was in a previous project addressed by a cumbersome and error-prone manual process which only yielded feature-based maps. The approach of this thesis is to fuse sensor data and automatically create grid- and feature-based maps with a novel integrated technique. For this purpose, a software system called gridmap is developed and a supplementary analysis framework for the resulting maps is established. This software is being used in autonomous driving projects for grid- and feature-based localization approaches in the U.S. and in Germany. |
Alternative Abstract: |
Alternative Abstract | Language |
---|
Autonomes Fahren erfordert eine präzise Lokalisierung des Fahrzeugs, die durch das Verwenden von speziellen Karten erreicht werden kann. Das begründet die Notwendigkeit für ein System, das solche Karten für große Flächen durch Sensordatenfusion erstellt. In einem früheren Projekt wurden Karten per Hand erstellt, was sich als schwerfälliger und fehleranfälliger Prozess herausstellte, der zudem nur featurebasierte Karten produzieren konnte. Der Ansatz dieser Arbeit ist das Fusionieren von Sensordaten
und das automatische Erzeugen von grid- und featurebasierten Karten anhand eines neuartigen Verfah-
rens. Für diesen Zweck wird eine Software namens gridmap erarbeitet und ein zusätzliches Framework zur Analyse der erstellten Karten entwickelt. Diese Software wird in Projekten zu autonomen Fahren für grid- und featurebasierte Lokalisierungsansätze in den USA und in Deutschland verwendet. | German |
|
Status: |
Publisher's Version |
URN: |
urn:nbn:de:tuda-tuprints-41122 |
Classification DDC: |
000 Generalities, computers, information > 004 Computer science |
Divisions: |
20 Department of Computer Science > Intelligent Autonomous Systems |
Date Deposited: |
14 Aug 2014 11:38 |
Last Modified: |
27 Aug 2024 12:47 |
URI: |
https://tuprints.ulb.tu-darmstadt.de/id/eprint/4112 |
PPN: |
520676262 |
Export: |
|