Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

3D-Fahrzeugtracking im Kolonnenverkehr

Zur Unterstützung der Entwicklung von unbemannten Fahrzeugen für Fahrten im Konvoi wurde untersucht, inwiefern die automatische Verfolgung eines Führungsfahrzeugs mithilfe von LiDAR-Sensoren auch unter erschwerten Bedingungen (urbanes Gebiet, Verdeckungen, Abzweigungen, Gegen­verkehr) fehlerfrei durchgeführt werden kann.

Als Demonstrator wurde ein Experimentalfahrzeug mit einem in Fahrtrichtung scannenden LiDAR-Sensor versehen. Ein Monitor im Fahrzeugrack dient zur Visualisierung der Laserdaten sowie der Track-Ergebnisse. Die Einweisung zu Beginn der Fahrt erfolgt durch die Markierung eines auf dem Führungsfahrzeug liegenden Bildpunktes des aktuellen Entfernungsbildes. Aus dem Entfernungsbild wird dann automatisch ein 3D-Modell des Führungsfahrzeugs erstellt. Dieses wird verwendet, um das Führungsfahrzeug von anderen Objekten der Szene zu unterscheiden und nach Sichtverlust wiederzuerkennen. Die eingesetzten Echtzeit-Verfahren leiten die Sensor-Eigenbewegung aus den Sensordaten ab und entzerren die 3D-Daten des Laserscanners, ohne dass hierfür ein genaues Inertialnavigationssystem erforderlich wäre.

 

     

Experimentalfahrzeug mit Laserscanner und Auswerteelektronik zum automatischen Fahrzeugtracking im Stadtverkehr

 

Sämtliche Testfahrten mit verschiedenen Führungsfahrzeugen erfolgten ohne Trackverlust.

Typische Probleme beim Tracking wie Verwechslungs­möglichkeiten mit ähnlichen Objekten, partielle Verdeckungen, Objektrotationen und Änderungen der Umgebung, die unter alleiniger Verwendung von Bilddaten oft zu einem Trackverlust führen, wurden zuverlässig bewältigt. Die automatische Neueinweisung nach Sichtverlust ist fehlerfrei möglich, vorausgesetzt die Oberflächengeometrie des Führungsfahrzeugs ist bis auf die Laserentfernungsgenauigkeit von anderen Fahrzeugen im Suchbereich unterscheidbar.

 

Weitere Informationen

  • Armbruster, W., 2008. Bayesian hypothesis generation and verification. Pattern Recognition and Image Analysis, Vol. 18, No. 2, pp. 269-274, ISSN: 1054-6618. [DOI: 10.1134/S1054661808020120] [publica]
  • Armbruster, W., 2005. Comparison of deterministic and probabilistic model matching techniques for laser radar target recognition. Proceedings of SPIE 5807, Automatic Target Recognition XV, 233. [DOI: 10.1117/12.602044] [publica]