Kollektive Erstellung hochgenauer Straßenmodelle und multimodale Fahrzeugeigenlokalisierung als Grundlagen hochautomatisierter Fahrfunktionen

Diese Arbeit präsentiert grundlegende Lösungsansätze für die Realisierung des hochautomatisierten Fahrens (HaF) unter Verwendung von hochgenauen A-priori-Straßenmodellen und multimodalen Perzeptionsdaten von Sensoren mit physikalisch redundanten Messprinzipien.

Der erste Kernbeitrag ist das HaF-Straßenmodell, ein generisches Konzept eines hochgenauen Straßenmodells zur Erprobung des hochautomatisierten Fahrens unter Verwendung von A-priori-Karteninformationen.

Der zweite Kernbeitrag ist ein patentiertes, hierarchisches informationsgraphenbasiertes Offline-Verfahren zur Erstellung von HaF-Straßenmodellen durch eine Aggregation multimodaler Perzeptionsdaten mehrerer Fahrzeuge.

Den dritten Kernbeitrag stellt ein multimodales Lokalisierungsverfahren dar, welches eine hochgenaue, robuste fahrbahnrelative Lokalisierung unter Verwendung des multimodalen A-priori-Umgebungsmodells und GPS-, Fahrzeugodometrie-, Kamera-, Lidar- und Radar-Sensoren ermöglicht.

Zur Evaluierung der vorgestellten Verfahren wurde für einen acht Kiolometer langen Autobahnring aus den Messdaten von fünf Messfahrten ein HaF-Straßenmodell erstellt und anschließend für die Fahrzeugeigenlokalisierung eingesetzt. Der Vergleich mit Real-Time-Kinematics-Differental-GPS (RTK-DGPS) Referenzdaten zeigt, dass mit den erreichten Genauigkeiten das hochautomatisierte Fahren auf Autobahnen umgesetzt werden kann.