ForschungBig Data und Machine Learning
Adding landmarks to maps using a graph-based approach

Adding landmarks to maps using a graph-based approach

Leitung:  Daniel Wilbers (VW), Prof. Ortmaier, Prof. Brenner
Team:  Lars Rumberg
Jahr:  2018
Ist abgeschlossen:  ja

Die zunehmende Automatisierung von Fahrfunktionen und erweiterte Komfortfunktionen sind aktueller Bestandteil der Automobilforschung. Eine der wesentlichen Voraussetzungen für viele zukünftige Funktionen, wie das automatisierte Fahren, ist die genaue Kenntnis der aktuellen Fahrzeugpose. Hierfür gibt es unterschiedliche Lokalisierungsmethoden. Wird eine Karte benutzt, welche auf Landmarken basiert, so stellt sich die Aufgabe, diese Landmarken auf Grundlage der Messungen zu aktualisieren. In der Robotik-Literatur haben sich hierfür insbesondere sogenannte Graph-basierte SLAM Verfahren etabliert, welche — ähnlich wie die Bündelblockausgleichung — alle Landmarken und Fahrzeugpositionen simultan schätzen. Weil die Zahl der Beobachtungen im Realbetrieb jedoch unbegrenzt zunimmt, können diese Methoden nicht angewendet werden. Am anderen Ende des Spektrums stehen Filtermethoden, welche lediglich einen aktuellen Zustand schätzen. Diese unterliegen der Problematik, dass zurückliegende Beobachtungen marginalisiert werden müssen, wodurch insbesondere Linearisierungsfehler zum Tragen kommen. Die Masterarbeit untersucht ein Verfahren, welches zwischen diesen beiden Extremen angesiedelt ist. Indem ein graph-basierter Sliding-Window Ansatz verwendet wird, können bessere Ergebnisse als mit Filtern erzielt werden, zugleich kann jedoch die Größe des Optimierungsproblems begrenzt und sogar dynamisch an die verfügbare Rechenzeit angepasst werden.