Klassifikation leicht verwundbarer Verkehrsteilnehmer mit hochauflösendem Automobilradar
PAYBACK Punkte
0 °P sammeln!
Der Schutz von Fußgängern und Fahrradfahrern rückt verstärkt in den Fokus zukünftiger vorausschauender Fahrerassistenz- und Fahrsicherheitssysteme. Insbesondere Situationen in denen Fußgänger eine Sonderstellung im Straßenverkehr einnehmen, wie beispielsweise beim Ausfahren aus Kreisverkehren, an Fußgängerüberwegen oder in verkehrsberuhigten Bereichen, erfordern die Erkennung objektspezifischer Informationen und eine darauf basierende robuste Objektklassifikation. Im Hinblick auf zukünftige Herausforderungen wird in der vorliegenden Arbeit ein innovativer Ansatz zur Klassifikation ...
Der Schutz von Fußgängern und Fahrradfahrern rückt verstärkt in den Fokus zukünftiger vorausschauender Fahrerassistenz- und Fahrsicherheitssysteme. Insbesondere Situationen in denen Fußgänger eine Sonderstellung im Straßenverkehr einnehmen, wie beispielsweise beim Ausfahren aus Kreisverkehren, an Fußgängerüberwegen oder in verkehrsberuhigten Bereichen, erfordern die Erkennung objektspezifischer Informationen und eine darauf basierende robuste Objektklassifikation. Im Hinblick auf zukünftige Herausforderungen wird in der vorliegenden Arbeit ein innovativer Ansatz zur Klassifikation von Fußgängern, Fahrradfahrern und Personenkraftwagen vorgestellt, welcher auf der Extraktion objektspezifischer Merkmale aus mehrdimensionalen Detektionsclustern eines hochauflösenden automobilen Radarsensors basiert. Zur Bildung geeigneter Detektionscluster wurden durch Integration eines Fußgängerbewegungsmodells in eine Radarsystemsimulation Auflösungsanforderungen abgeleitet, anhand welcher ein prototypischer hochauflösender Radarsensor spezifiziert und aufgebaut werden konnte. Die durch eine weiterhin entwickelte Signalverarbeitungskette gebildeten Detektionscluster ermöglichen die Extraktion objektspezifischer Merkmale wie der Form oder der Ausdehnung von Objekten sowie der Schrittfrequenz von Fußgängern. Unter Verwendung dieser Merkmale wird im Mittel eine korrekte Zuordnung zu den Klassen Fußgänger, Fahrradfahrer und PKW von 97 % aller nicht als unbekannt klassifizierten Detektionscluster erreicht.
Andere Kunden interessierten sich für
