Die Arbeit beschäftigt sich mit der Initialisierungvon Objekten in einem Multi-Sensor-Tracking-System.Es werden Messdaten eines Versuchsfahrzeugesausgewertet, welches sowohl mit Sensoren zurErfassung des Fahrzeugzustandes (Geschwindigkeit,Gierrate) als auch zur Beobachtung desFahrzeugumfeldes (Laserscanner, Kameras)ausgerüstetist. Für alle erfassten Objekte im Fahrzeugumfelderfolgt eine Objektverfolgung (Tracking).Voraussetzung dafür ist die Zusammenführung allerverfügbaren Sensorinformationen. Für diese Multi-Sensor-Daten-Fusion wird der erweiterte Kalman-Filter eingesetzt. Um die Verwendung adäquaterTracking-Modelle sicherzustellen, ist eserforderlich, dass der Objekttyp und der Zustandzuverlässig identifiziert werden kann. Dazu werdenMerkmalmodelle für verschiedene Objekttypendefiniert, auf deren Basis die Identifizierung vonObjekttyp und -zustand erfolgt.

Autorentext
Froß André Studium der Informationstechnik (1998-2004)

Klappentext
Die Arbeit beschäftigt sich mit der Initialisierung von Objekten in einem Multi-Sensor-Tracking-System. Es werden Messdaten eines Versuchsfahrzeuges ausgewertet, welches sowohl mit Sensoren zur Erfassung des Fahrzeugzustandes (Geschwindigkeit, Gierrate) als auch zur Beobachtung des Fahrzeugumfeldes (Laserscanner, Kameras) ausgerüstet ist. Für alle erfassten Objekte im Fahrzeugumfeld erfolgt eine Objektverfolgung (Tracking). Voraussetzung dafür ist die Zusammenführung aller verfügbaren Sensorinformationen. Für diese Multi- Sensor-Daten-Fusion wird der erweiterte Kalman- Filter eingesetzt. Um die Verwendung adäquater Tracking-Modelle sicherzustellen, ist es erforderlich, dass der Objekttyp und der Zustand zuverlässig identifiziert werden kann. Dazu werden Merkmalmodelle für verschiedene Objekttypen definiert, auf deren Basis die Identifizierung von Objekttyp und -zustand erfolgt.