h1

000803846 001__ 803846
000803846 005__ 20230411161158.0
000803846 0247_ $$2HBZ$$aHT020622150
000803846 0247_ $$2Laufende Nummer$$a39689
000803846 0247_ $$2datacite_doi$$a10.18154/RWTH-2020-09922
000803846 037__ $$aRWTH-2020-09922
000803846 041__ $$aGerman
000803846 082__ $$a620
000803846 1001_ $$0P:(DE-82)IDM01835$$aQuack, Tobias Michael$$b0$$urwth
000803846 245__ $$aAutomatische Aktualisierung digitaler Karten für die hochgenaue Lokalisierung autonomer Fahrzeuge$$cvorgelegt von Tobias Michael Quack$$honline
000803846 246_3 $$aAutomated updating of digital maps for the highly accurate localization of autonomous vehicles$$yEnglish
000803846 260__ $$aAachen$$c2020
000803846 300__ $$a1 Online-Ressource (xvi, 135 Seiten) : Illustrationen, Diagramme
000803846 3367_ $$02$$2EndNote$$aThesis
000803846 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000803846 3367_ $$2BibTeX$$aPHDTHESIS
000803846 3367_ $$2DRIVER$$adoctoralThesis
000803846 3367_ $$2DataCite$$aOutput Types/Dissertation
000803846 3367_ $$2ORCID$$aDISSERTATION
000803846 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
000803846 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2020$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2020$$gFak04$$o2020-09-25
000803846 5203_ $$aEine 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.$$lger
000803846 520__ $$aA 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.$$leng
000803846 588__ $$aDataset connected to Lobid/HBZ
000803846 591__ $$aGermany
000803846 653_7 $$aautonomes Fahren
000803846 653_7 $$adigitale Karten
000803846 653_7 $$aLIDAR
000803846 653_7 $$aLokalisierung
000803846 653_7 $$aMobile Edge Computing
000803846 653_7 $$aMonte Carlo Localization
000803846 653_7 $$aSLAM
000803846 7001_ $$0P:(DE-82)IDM03056$$aAbel, Dirk$$b1$$eThesis advisor$$urwth
000803846 7001_ $$0P:(DE-82)IDM01340$$aEckstein, Lutz$$b2$$eThesis advisor$$urwth
000803846 8564_ $$uhttps://publications.rwth-aachen.de/record/803846/files/803846.pdf$$yOpenAccess
000803846 8564_ $$uhttps://publications.rwth-aachen.de/record/803846/files/803846_source.zip$$yRestricted
000803846 8564_ $$uhttps://publications.rwth-aachen.de/record/803846/files/803846.gif?subformat=icon$$xicon$$yOpenAccess
000803846 8564_ $$uhttps://publications.rwth-aachen.de/record/803846/files/803846.jpg?subformat=icon-180$$xicon-180$$yOpenAccess
000803846 8564_ $$uhttps://publications.rwth-aachen.de/record/803846/files/803846.jpg?subformat=icon-700$$xicon-700$$yOpenAccess
000803846 909CO $$ooai:publications.rwth-aachen.de:803846$$popenaire$$popen_access$$pVDB$$pdriver$$pdnbdelivery
000803846 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM01835$$aRWTH Aachen$$b0$$kRWTH
000803846 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM03056$$aRWTH Aachen$$b1$$kRWTH
000803846 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM01340$$aRWTH Aachen$$b2$$kRWTH
000803846 9141_ $$y2020
000803846 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000803846 9201_ $$0I:(DE-82)416610_20140620$$k416610$$lLehrstuhl und Institut für Regelungstechnik$$x0
000803846 961__ $$c2020-11-10T11:55:07.179984$$x2020-10-08T15:11:24.800675$$z2020-11-10T11:55:07.179984
000803846 9801_ $$aFullTexts
000803846 980__ $$aI:(DE-82)416610_20140620
000803846 980__ $$aUNRESTRICTED
000803846 980__ $$aVDB
000803846 980__ $$aphd