jacek schikora

Information about jacek schikora

Published on November 16, 2007

Author: avsar

Source: authorstream.com

Content

Echtzeitsysteme – autonome mobile Systeme:  Echtzeitsysteme – autonome mobile Systeme Jacek Schikora [email protected] Übersicht:  Übersicht 1. Einführung 2. Projektbeschreibung 3. Bahnplanung 4. Positionsbestimmung 5. Datenfusion 6. Fahrzeugregelung 7. Schlussteil 8. Videofilm 1. Einführung:  Autonome mobile Systeme 1. Einführung Luftfahrt Straßenverkehr Seefahrt Lagerhallen Servicebereich Fahrerassistenzsysteme im Straßenverkehr:  Fahrerassistenzsysteme im Straßenverkehr Systeme, die durch Hinweise unterstützen Systeme, die vor etwas warnen Systeme, die in die Fahrzeugführung eingreifen Systeme, die vollständig die Führung übernehmen 2. Projektbeschreibung:  2. Projektbeschreibung Projekt „autonomes Fahren“ Merkmale / Ziele:  Merkmale / Ziele 1997-2000 unter der Leitung der Volkswagen AG in Wolfsburg Automatisierung der Dauererprobung von KFZ-Fahrzeugen Reproduzierbarkeit von Testergebnissen Weiterverwendung für zukünftige Fahrerassistenzsysteme Projektpartner:  Projektpartner Volkswagen AG Wolfsburg Robert Bosch GmbH Kasprich-IBEO Witt Sondermaschinen GmbH TU Braunschweig mit: Institut für Regelungstechnik Institut für Elektrische Messtechnik Institut Flugführung Anforderungen:  Anforderungen Funktionsfähig bei allen Wetterbedingungen Kräfte bis zu 4 g Spurgenauigkeit von 20 cm Installation in ein Serienfahrzeug in max. 4 Stunden Umrüstung führt nicht zur Änderung des Fahrverhaltens Die maximal erzielbare Geschwindigkeit liegt bei 60 km/h Das Testfahrzeug:  Das Testfahrzeug Sensorik:  Sensorik Fahrzeugführung:  Fahrzeugführung Aktorik:  Aktorik 3. Bahnplanung:  3. Bahnplanung Karte Routenplanung Trajektorienplanung Kollisionsvermeidung Absolute Position Relevante Objekte Solldaten Karte:  Karte Bekannte Verfahren zu ungenau Genauigkeit ca. 5 cm Seitenränder als unabhängige Polygonzüge Routenplanung:  Routenplanung Greift auf digitale Karte zurück Sucht mögliche Route von aktueller Position zum Endziel Qualitätskriterien Kollisionsfreiheit (Sicherheit) Minimale Fahrzeit und Bahnlänge Minimale Lenkbewegung Trajektorienplanung:  Trajektorienplanung Berechnet aus gegebener Route eine abfahrbare Trajektorie Abfahrbar: Stetig Lenkgeschwindigkeit angepasst Soll-Lenkeinschlag < Max. Lenkeinschlag Modellbildung - CLR:  Modellbildung - CLR Béziersplines:  Béziersplines Spline 5. Ordnung 12 Freiheitsgrade, z.B. für Krümmung Orientierung am Rande ... Béziersplines:  Béziersplines Punktfindung:  Punktfindung 1. Fahrkorridor mit Dreiecken füllen 2. Kürzesten Weg finden 3. Fahrzeugausdehnung beachten 4. Restliche Stützpunkte berechnen Kollisionsvermeidung:  Kollisionsvermeidung Realisierung durch elektronischen Co-Pilot Kann im Ernstfall die Kontrolle übernehmen Wählt eine von drei möglichen Ausweichstrategien 4. Fahrzeugortung:  4. Fahrzeugortung DGPS Fahrbahnrand- erkennung Sensoren zur Detektion von Umgebungsobjekten Sensoren zur Messung der Gierrate und Geschwindigkeit Navigations- datenfusion Digitale Karte DGPS:  DGPS Erweiterung von GPS Genauigkeit 5m Verwendung von Referenzstationen am Boden Umfeldbasierte Zustandsschätzung:  Umfeldbasierte Zustandsschätzung 3 Unbekannte Fahrzeugeigenbewegung Relative Objektbewegung Objekteigenbewegung Umfeldbasierte Zustandsschätzung:  Umfeldbasierte Zustandsschätzung Objektsensoren liefern Position und relative Geschwindigkeit der Umfeldobjekte Gleichungssystem lösbar für statische Umgebung Anzahl bewegter Objekte << Anzahl ortsfester Objekte Durch geeignetes Schätzverfahren ist eine ziemlich genaue Lösung möglich Lagebestimmung durch Fahrbahnranderkennung:  Lagebestimmung durch Fahrbahnranderkennung Im Vision-Sensor integriert Fahrbahnkrümmung Fahrzeuglage relativ zur Mittellinie Fahrbahnrelativer Gierwinkel In Verbindung mit digitaler Karte Genauigkeit im cm-Bereich Lagebestimmung:  Lagebestimmung DGPS Karte Fahrbahnranderkennung Lagebestimmung:  Lagebestimmung DGPS Karte Fahrbahnranderkennung Gierrate und Geschwindigkeit Altes Wissen Navigationsdatenfusion:  Navigationsdatenfusion Zusammenführen der durch Messung oder Schätzung gewonnen Messdaten Ziel: Jederzeit optimale Schätzung der Fahrzeuglage Kalmanfilter als Schätzverfahren 5. Datenfusion:  5. Datenfusion Zur optimalen Schätzung einer unbekannten Größe aus verschiedenen Datenquellen Vorteile redundanter Datenquellen: Robustheit Erhöhung der Detektionswahrscheinlichkeit und Genauigkeit Erweiterte räumliche Erfassung Komplementäre Information durch unterschiedliche Messverfahren Funktionsweise:  Funktionsweise Datenzuordnung Schätzung Information Wissen Datenabstraktion Messungen aus verschiedenen Quellen Ausgabe ... Datenzuordnung:  Datenzuordnung Zuordnung der Objekte von unterschiedlichen Sensoren zu einander Mathematische Beschreibung: Datenzuordnung:  Datenzuordnung Gesucht: Datenzuordnung:  Datenzuordnung Datenzuordnung:  Datenzuordnung Lösung durch: Brute-Force-Suche O=n!/(n-m)! Munkres-Algorithmus O=m²*n Nearest-Neighbor Zuordnung O<m²*n Schätzung:  Schätzung Algorithmus zur Schätzung eines Systemzustandes mit minimalem Fehler Signale von Störungen trennen Kalman-Filter Kalman-Filter:  Kalman-Filter Verfahren zur Schätzung der Zustandsgrößen eines linearen Systems Minimale Schätzfehlervarianz Rekursive Schätzwertbestimmung 1960 Rudolf Emil Kalman Geeignet für Gaussverteilte Fehler Kalman-Filter:  Kalman-Filter Kalman-Filter:  Kalman-Filter K(k+1) z-1 + - zk+1 x(k+1) ^ x(k) ^ 6. Fahrzeugregelung:  6. Fahrzeugregelung Fahrroboter Bahnplanung Sollbewegung Stellgrößen Querregelung Längsregelung Sonst. Aktorik Navigations- datenfusion Fahrzeugposition 7. Schlussteil:  7. Schlussteil Projektaufbau „autonomes Fahren“ Bahnplanung Fahrzeugortung Sensorfusion Fahrzeugregelung Resümee:  Resümee Auf Testumgebung: Gleichzeitiges Fahren mehrere Systeme Ausblick: Im normalen Verkehr Präzision der Karte Straßenmarkierungen Komplexe Bewegungsmuster in Städten Verwandte Projekte:  Verwandte Projekte „In Arte“ – 1998-2000 von Renault, Siemens, Volvo, Frauenhofer Institut und TÜV Vita II – von Daimler Chrysler AG AHS/ASV, 2000, in Japan Referenzen:  Referenzen Andreas Simon, Führung eines autonomen Straßenfahrzeugs mit redundanten Sensorsystemen, VDI-Verlag, 2003 Carsten Becker, Fusion der Daten der objekterkennenden Sensoren eines autonomen Straßenfahrzeugs, VDI-Verlag, 2002 Ina Söhnitz, Querregelung eines autonomen Straßenfahrzeugs, VDI-Verlag, 2001 Peter S. Maybeck, Stochastic models, estimation and control, Academic Press, 1979 Homepage „autonomes Fahren“ http://www.ifr.ing.tu-bs.de/de/becker_af.html

Related presentations


Other presentations created by avsar

Top 30 Skin Diseases
04. 01. 2008
0 views

Top 30 Skin Diseases

combine pain and symptom mgt
04. 12. 2007
0 views

combine pain and symptom mgt

FOPC
26. 11. 2007
0 views

FOPC

arizona cio cto brown
28. 11. 2007
0 views

arizona cio cto brown

aviodingpredators05
30. 12. 2007
0 views

aviodingpredators05

Chapter 4
04. 01. 2008
0 views

Chapter 4

wireless PDR
07. 01. 2008
0 views

wireless PDR

ANRWG 07 12 Presentation 1 7898
04. 10. 2007
0 views

ANRWG 07 12 Presentation 1 7898

matzgdh7
20. 11. 2007
0 views

matzgdh7

marx
23. 12. 2007
0 views

marx

NV Marketing MBA PM2005
24. 02. 2008
0 views

NV Marketing MBA PM2005

CGFNS Dec07 Villeneuve
10. 03. 2008
0 views

CGFNS Dec07 Villeneuve

londonexplosions
14. 03. 2008
0 views

londonexplosions

EastAsiaduringEarlyM odern
26. 03. 2008
0 views

EastAsiaduringEarlyM odern

okazumi
07. 04. 2008
0 views

okazumi

4 1
19. 02. 2008
0 views

4 1

StrategicPriorities
13. 04. 2008
0 views

StrategicPriorities

A540 21
13. 11. 2007
0 views

A540 21

SafetyonCampusforkic koff
06. 03. 2008
0 views

SafetyonCampusforkic koff

zoonoses 04apr2007
16. 11. 2007
0 views

zoonoses 04apr2007

NWP2
09. 11. 2007
0 views

NWP2

Modules
28. 11. 2007
0 views

Modules

Proofs
10. 12. 2007
0 views

Proofs

L12a 4345 Sp02
07. 11. 2007
0 views

L12a 4345 Sp02

multiplayer
15. 11. 2007
0 views

multiplayer