Cuvillier Verlag

Publications, Dissertations, Habilitations & Brochures.
International Specialist Publishing House for Science and Economy

Cuvillier Verlag

De En Es
Klassifikation leicht verwundbarer Verkehrsteilnehmer mit hochauflösendem Automobilradar

Hard Copy
EUR 39.90

E-book
EUR 27.90

Klassifikation leicht verwundbarer Verkehrsteilnehmer mit hochauflösendem Automobilradar (English shop)

Eugen Schubert (Author)

Preview

Table of Contents, PDF (140 KB)
Extract, PDF (370 KB)

ISBN-13 (Hard Copy) 9783736998599
ISBN-13 (eBook) 9783736988590
Language Alemán
Page Number 192
Lamination of Cover matt
Edition 1.
Publication Place Göttingen
Place of Dissertation Ulm
Publication Date 2018-09-10
General Categorization Dissertation
Departments Engineering
Keywords voraus­schauender Fahrer­assistenz- und Fahr­sicherheits­systeme, Verkehrsteilnehmer, automobiler Radar­sensor
Description

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.