Ein Beitrag zur Sensorsignalanalyse für Fahrzeuganwendungen (PDF)

Umfeldvermessende Sensorik für neuartige Fahrerassistenz- und Sicherheitssysteme gewinnen sowohl im Bahn- als auch im Kraftfahrzeugbereich eine immer größere Bedeutung. Die verwendeten Sensoren und die Auswertestrategie der dazugehörigen Signalanalyse hängen dabei in hohem Maße von der angestrebten Anwendung ab. Durch die immer anspruchsvolleren Applikationen steigen auch die Anforderungen an die Umfeldkenntnis und damit an die Sensorsysteme. Häufig sind deshalb die direkt mit einem einzelnen Sensor ermittelten Messwerte für derart anspruchsvolle Aufgaben nicht aussagekräftig genug. Um diesen Anforderungen gerecht zu werden, muss dann durch geschickte Analyse der Sensormessungen beispielsweise anhand von Fusion oder Interpretation der Daten die Informationsbasis erweitert werden.

Vor dem Hintergrund konkreter Aufgabenstellungen werden in dieser Arbeit zwei unterschiedliche Vorgehensweisen für die Erweiterung der Umgebungskenntnis durch die Analyse von Sensorsignalen für Fahrzeuganwendungen vorgestellt und untersucht. Es handelt sich dabei einerseits um ein Multisensorsystem aus verschiedenen, teilweise komplementären Sensoren für das automatische Fahren mit Bahnen und andererseits um ein System zur radarbasierten Klassifikation von Straßenverkehrsteilnehmern für den Einsatz in Kraftfahrzeugen.

Ziel des Multisensorsystems für Bahnen ist die Erkennung von Hindernissen im Gleisbereich vor einem automatisch fahrenden Triebfahrzeug. Dieses System muss alle Objekte ab einer festgelegten Größe unabhängig vom Typ auch in großen Entfernungen sicher detektieren und deren Position sehr präzise vermessen können. Da für diese anspruchsvolle Aufgabe zurzeit kein Einzelsensor verfügbar ist, der alle gestellten Anforderungen allein erfüllt, wird ein Sensorverbund aus mehreren unterschiedlichen Radarsensoren und Kamerasystemen eingesetzt. Aufgrund ihrer zum Teil komplementären Eigenschaften ergänzen sich Video- und Radartechnik für diese Aufgabe besonders gut. Die Messdaten der einzelnen Sensoren wurden zu einer einheitlichen, aussagekräftigeren Repräsentation des Fahrzeugvorfeldes fusioniert.

Bei dem zweiten betrachteten Verfahren liegt eine andere Aufgabenstellung vor. Hier ist das Ziel, ausschließlich aus den Messwerten bestehender Automobilradare auf den Objekttyp von detektierten Straßenverkehrsteilnehmern zu schließen. Für diese Unterscheidung verschiedener Objekttypen wird ein Klassifikator zunächst mit bekannten Datensätzen trainiert. Die anschließende Zuordnung der detektierten Objekte zu den jeweiligen Klassen basiert also auf der Nutzung vorhandenen Wissens. Eine derartige radarbasierte Klassifikation wurde am Beispiel eines frequenzmodulierten Einzelradarsensors und eines Netzwerkes aus vier entfernungshochauflösenden Puls¬radaren untersucht.

Beide Verfahren zur Erweiterung der Umgebungskenntnis durch die Analyse von Sensorsignalen für Fahrzeuganwendungen werden anhand von realen Messdaten praktisch untersucht und bewertet.