guest ::
Automatische Aktualisierung digitaler Karten für die hochgenaue Lokalisierung autonomer Fahrzeuge = Automated updating of digital maps for the highly accurate localization of autonomous vehicles
2020
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2020
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak04
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2020-09-25
Online
DOI: 10.18154/RWTH-2020-09922
URL: https://publications.rwth-aachen.de/record/803846/files/803846.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
autonomes Fahren (frei) ; digitale Karten (frei) ; LIDAR (frei) ; Lokalisierung (frei) ; Mobile Edge Computing (frei) ; Monte Carlo Localization (frei) ; SLAM (frei)
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Eine wesentliche Voraussetzung für autonomes Fahren ist die Verfügbarkeit einer genauen und zuverlässigen Fahrzeugeigenlokalisierung. Aktuell verfügbare Systeme basieren zum großen Teil auf satellitengestützten Verfahren, deren Leistungsfähigkeit insbesondere in anspruchsvollen innerstädtischen Verkehrsszenarien durch zahlreiche prinzipbedingte Störungen beeinträchtigt wird. Seit einigen Jahren wird daher bereits der Abgleich von Daten aus der Fahrzeugumfeldsensorik mit hochgenauen digitalen Karten für die Fahrzeuglokalisierung untersucht. Ein ungelöstes Problem bei diesem Ansatz betrifft die Aktualität des Kartenmaterials: In dynamischen, städtischen Verkehrsräumen ändern sich die vom Fahrzeug wahrnehmbaren Umgebungsmerkmale häufig, sodass auch eine als Referenz genutzte digitale Karte kontinuierlich aktualisiert werden muss. Der Fokus dieser Dissertation besteht in der Entwicklung eines Systems zur automatischen Aktualisierung digitaler Karten für die hochgenaue Lokalisierung autonomer Fahrzeuge. Das System setzt ein vernetztes Verkehrsumfeld voraus, in dem Fahrzeuge und Infrastruktur miteinander kommunizieren. Dem infrastrukturseitigen Datenverarbeitungssystem kommt hierbei die Aufgabe zu, von Fahrzeugen bereitgestellte Sensordaten automatisiert auszuwerten, um eine digitale Karte des betrachteten Verkehrsraumes kontinuierlich zu aktualisieren. Kartiert werden alle Objekte, die mindestens über mehrere Minuten unbeweglich sind und somit für die Eigenlokalisierung nachfolgender Fahrzeuge genutzt werden können. Als wesentliche Methoden kommen ein graphenbasiertes Optimierungsverfahren und automatische Ausrichtungsalgorithmen für Laserscanner-Punktwolken sowie gitterbasierte probabilistische Kartierungsansätze zum Einsatz. Neben dem infrastrukturseitigen Teil besteht der zweite Schwerpunkt der Arbeit in der Entwicklung des Fahrzeugsystems, das auf Basis der digitalen Karte eine präzise und robuste Lokalisierung in Echtzeit realisiert. Als wesentlicher Sensor wird fahrzeugseitig ein Laserscanner mit einem horizontalen Sichtfeld von 360° vorausgesetzt. Daneben werden weitere Sensordaten aus Inertial- und Raddrehzahlsensorik fusioniert, um die Schätzung der Fahrzeugposition und -orientierung mit einer Rate von 50 Hz bereitstellen zu können. Ein adaptiertes Partikelfilter mit dynamischem Fahrzeugmodell bildet die methodische Basis für die Fahrzeuglokalisierung. Die Arbeit beinhaltet nach der Diskussion der Methoden für die Kartierung und Lokalisierung eine experimentelle Validierung des vernetzten Gesamtsytems in einem innerstädtischen Testszenario.A major prerequisite for autonomous driving is precise and reliable vehicle self-localization. Currently available solutions for this problem are mostly based on satellite navigation systems which suffer from several inherent deficiencies especially in challenging urban traffic scenarios. In recent years, research has therefore been conducted on matching sensor data from the vehicle’s environment perception systems with high-definition digital maps in order to achieve accurate self-localization. One unsolved problem with this approach concerns the obsolenscence of the map data in dynamic traffic environments. Particularly in urban scenarios, environment features detectable by the vehicle’s sensor systems are regularly subject to change so that a digital map suitable as a reference for localization must be updated continuously. The focus of this dissertation lies in the development of a system for automated updating of digital maps for the highly accurate localization of autonomous vehicles. The system requires a connected traffic environment in which vehicles and infrastructure are able to communicate. On the infrastructure side, a data processing system automatically evaluates sensor data provided by the connected vehicles in order to continuously update a digital map of the respective traffic area. The map should include all objects that remain stationary for at least several minutes and which are thus useable for self-localization of following vehicles. The key methods used here are graph-based optimization and automatic alignment of lidar point clouds as well as grid-based probabilistic mapping approaches. The second emphasis of this work is the development of the vehicle system that achieves accurate and robust real-time localization based on the digital map. The main sensor on the vehicle side is a scanning lidar with a horizontal field of view of 360°. In addition, the system fuses data from an inertial sensor and wheel speed sensors in order to provide estimations for the vehicle position and orientation at a rate of 50 Hz. The key method for the vehicle localization is an adapted particle filter with a dynamic vehicle model. After discussing the methods for mapping and localization, this dissertation also includes an experimental validation of the connected system in an urban test scenario.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
German
Externe Identnummern
HBZ: HT020622150
Interne Identnummern
RWTH-2020-09922
Datensatz-ID: 803846
Beteiligte Länder
Germany
|
The record appears in these collections: |