Alacsony számításigényű, moduláris track-to-track szenzorfúzió autonóm járművek környezetérzékelésének támogatására
Napjainkban a vezetéstámogató rendszerek széleskörben elterjedtek. Azonban, a magasabb automatizáltsági szintek esetén a jármű dinamikus környezetének a felügyelete már nem az emberi vezető feladata, hanem az autonóm rendszer felelőssége, amely komoly kihívást jelent. Ezért, az autonóm járművek elterjedésének feltétele a megbízható és robusztus környezetérzékelés.
A rohamosan fejlődő szenzortechnológia ellenére a környezetérzékelés nem valósítható meg kellő megbízhatósággal egyetlen szenzorral. Az egyes szenzortípusok különböző előnyökkel és hátrányokkal bírnak. A járműipari radar jó távolság és sebesség becsléssel bír, míg az okos kamerák képesek az objektumok klasszifikációjára, illetve laterális pozíciók kellően jó becslésére. Ezért, az autonóm rendszerek környezetérzékelése több szenzor adatainak a felhasználásával valósítható meg, melyeket a szenzorfúzió egyesít, megbízhatóbb eredményt szolgáltatva, mintha bármelyik szenzort önmagában alkalmaznánk. Az objektumfúzió egy előnyös megvalósítása a szenzorfúziónak, mely magas absztrakciós szintű, objektum információkat fuzionál. Ennek köszönhetően egy moduláris algoritmust kapunk, mely különböző szenzorokkal rendelkező rendszerekre könnyen adaptálható.
Kutatásom középpontjában a track-to-track architektúrájú objektum fúzió állt. A track-to-track fúzió bemente a járműipari okos szenzorok által szolgáltatott trackelt (nyomon követett) objektumok. Kutatásom célja az volt, hogy a valós-idejű alkalmazhatóságot figyelembe véve egy alacsony számításigényű módszert fejlesszek. Ehhez egy iteratív klaszterezési eljárást dolgoztam ki, mely a különböző szenzorok által szolgáltatott, összetartozó trackeket rendeli össze, kezelve az esetlegesen előforduló objektum duplikátumokat is. A hagyományos track-to-track asszociációhoz képest az általam fejlesztett eljárásban a fuzionált trackek állapotai multi-object-tracking architektúrát követve visszacsatolásra kerülnek az asszociációs blokkba, ezáltal megvalósítva egy magas teljesítménnyel, illetve kedvező komplexitással bíró algoritmust. A számításigény mellett fontos szempont a kimenet megbízhatósága. Ebben a legfontosabb szerepe a szenzoroktól származó fals objektumok szűrésének volt. Ehhez kidolgoztam egy új eljárást a fuzionált objektumok létezési valószínűségének becslésére, mely hatékonyan támogatja a fals objektumok szűrését és a valódi objektumok megerősítését. Az eredményeket egy valós forgalomban felvett, egy radarból és egy kamerából álló szenzorklaszterről származó mérésre értékeltem. A kiértékelések alapján az általam fejlesztett track-to-track algoritmus teljesítménye megközelíti a state-of-the-art objektum fúziós módszerekét, jelentősen alacsonyabb számításigény mellett. Az új track-to-track architektúrára épülő kedvező komplexitással és alacsony számításigénnyel bíró szenzorfúzió elősegíti az újabb vezetéstámogató és az autonóm rendszerek terjedését a költséghatékony valós-idejű alkalmazhatóság miatt.
szerző
-
Czibere Balázs
Járműmérnöki
alapképzés (BA/BSc)
konzulens
-
Lindenmaier László
Tudományos segédmunkatárs, Közlekedés- és Járműirányítási Tanszék
