Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Radar for Autonomous Driving – Paradigm Shift from Mere Detection to Semantic Environment Understanding Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Improving the Environment Model for Highly Automated Driving by Extending the Sensor Range

verfasst von : Nicole Beringer

Erschienen in: Fahrerassistenzsysteme 2018

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper describes a novel approach to cope with driving scenarios in highly automated driving which are currently solved only by the driver’s control. The approach presented in this paper is currently being implemented as a prototype to be used in our test fleet. It combines techniques well established in robotics like Simultaneous Localization And Mapping (SLAM) as well as end-to-end protection and image compression algorithms with big data technology used in a connected car context. This allows enhancing the positioning of individual vehicles in their Local Environment Model (LEM). This is the next step to overcome current dependencies to in-vehicle sensors by using additional cloud-based sensor processing to gain information.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Radar for Autonomous Driving – Paradigm Shift from Mere Detection to Semantic Environment Understanding
Nächstes Kapitel Efficient Sensor Development Using Raw Signal Interfaces
Literatur
1.
Holve, R., Dormann, H.: Big data analytics – Methoden und automobilgerechte Anpassungen. ATZ Elektronik (2016)
2.
Jesorsky, O.: Kartendaten – Mehrwert für Assistenzsysteme. Hanser Automotive (2011)
3.
Schneider, T.: Achieving cloud scalability with microservices and DevOps for connected cars. EE Times (2016)
4.
Beringer, N.: EB Dirigo. State of the Map, Edinburgh, October 2015
5.
Beringer, N.: OSM auf Rädern. AGIT, Salzburg (2015)
6.
Beringer, N.: Mapping with EB Dirigo. In: FOSSGIS, Münster (2015)
7.
Beringer, N.: OSM on wheels. State of the Map, Buenos Aires, November 2014
8.
Beringer, N.: Das vernetzte Automobil Grenzen der Sicherheit. ATZ automobiltechnische Zeitschrift, 10 „Entwicklungen für die Fahrzeugsicherheit“. Springer Vieweg, October 2013
9.
Dormann, H.: Map updates for autonomous driving – the sensor cloud approach. Automotive World Webinar (2015)
10.
11.
De Rooij, F., Tremeer, B.: Enabling cars to see beyond their sensors. Automotive World Webinar (2015)
12.
Beringer, N.: Sensor-basiertes Lernen: dem autonomen Fahren einen Schritt näher. In: ATZlive (2017)
13.
Beringer, N.: Sensor-based learning algorithms pave the way towards autonomous driving. In: AME (2017)
14.
Ludwig, J.: Elektronischer Horizont: Vorausschauende Sicherheitssysteme und deren Anbindung an Navigationssysteme. ATZ Elektronik (2012)
15.
Ludwig, J.: Electronic horizon – efficiency, comfort and safety with map data. ATZ Elektronik (2014)
16.
Ludwig, J.: Electronic horizon – flexible implementation of predictive driver assistance features. Technical paper (2015)
17.
Holve, R.: Car as a sensor – cooperative perception and learning for automated driving. In: ATZ Conference (2015)
18.
Dubitzky, R.: Das Fahrzeug als Sensor – Kooperatives Wahrnehmen und Lernen für automatisiertes Fahren. In: ATZ Elektronik, February 2015CrossRef
19.
El-ektrobit Automotive: Open robinos specification. El-ektrobit Automotive, Erlangen (2017)
20.
Ohl, S.: From research to mass production: using a versatile platform for developing new HAD software functions. In: ATZlive (2017)
21.
Boyd, R.R.: A discourse on winning and losing. Air University Library, Maxwell, AL (1976)
22.
Neumann, L., Vanholme, B., Gressmann, M., Bachmann, A., Kählke, L., Schüle, F.: Freiraumerkennung Ein Grundstein der autonomen Fahrens. In: ELIV (2016)
23.
Elfes, A: Using occupancy grids for mobile robot perception and navigation. IEEE Computer 22, 46–57 (1989)CrossRef
24.
Moravec, M.P.: Sensor fusion in certainty grids for mobile robots. AI Magazine 2, 61–77 (1988)
25.
Castellanos, J.A., Neira, J., Tardos, J.D.: Limits to the consistency of the EKF-based SLAM. In: Ribeiro, M.I., Santos-Victor, J. (eds.) Intelligent Autonomous Vehicles (IAV-2004), IFAC/EURON. IFAC/Elsevier, Lisboa, July 2004
26.
Guivant, J.E., Nebot, E.M., Nieto, J., Masson, F.: Navigation and mapping in large unstructured environments. IJRR 23, 4 (2004)
27.
Bailey, I.: Mobile robot localisation and mapping in extensive outdoor environments. Ph.D. thesis. ACFR, University of Sydney, Australia, August 2002
28.
Zivkovic, Z., Bakker, B., Kröse, B.: Hierarchical map building using visual landmarks and geometric constraints. In: International Conference on Intelligent Robotics and Systems IEEE/JRS, Edmundton, Canada, pp. 7–13, August 2005
29.
Beringer, N., Koska O.: Extending the sensor range for highly automated driving: a new approach for environment modelling. In: ELIV (2017)
30.
Koska O., Dormann H.: Hochautomatisiertes Fahren: Die Welt als Umgebungsmodell. In: 8. Tagung Fahrerassistenz Einführung hochautomatisiertes Fahren, Munich (2017)
Metadaten
Titel
Improving the Environment Model for Highly Automated Driving by Extending the Sensor Range
verfasst von
Nicole Beringer
Copyright-Jahr
2019
Buch
Fahrerassistenzsysteme 2018

Print ISBN: 978-3-658-23750-9

Electronic ISBN: 978-3-658-23751-6

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-658-23751-6_2

    Premium Partner

    Bildnachweise