Klassifikation von Verkehrsteilnehmern mittels heterogener Sensorik

In modernen Fahrzeugen halten verstärkt Fahrerassistenzsysteme zum Insassenschutz und zum Schutz anderer Verkehrsteilnehmer Einzug. Insbesondere Systeme, die aktiv in das Fahrgeschehen eingreifen, erfordern eine hinreichend robuste und genaue maschinelle Wahrnehmung des Fahrumfeldes. Die vorliegende Arbeit untersucht, inwieweit durch eine verschränkte Betrachtung von heterogenen Sensordaten die Perzeptionszuverlässigkeit eines automotiven Sensorsystems gesteigert werden kann. Der Schwerpunkt liegt dabei auf Methoden zur Detektion und Verifikation von Fahrzeugen und Fußgängern. Dafür wird sowohl das Potential adäquater Merkmalsextraktionsverfahren als auch verschiedener Ensembletechniken zur Mustererkennung untersucht. Als Bestandteil einer einsatzfähigen Fahrumfelderfassung werden verschiedene Ansätze anhand von repräsentativen Testsequenzen, hinsichtlich Laufzeit und Erkennungsrate, gegenübergestellt und bewertet. Zur aussagekräftigen Durchführung der Evaluierung wurden speziell angepasste Bewertungstechniken entwickelt. Die Untersuchungen belegen einen Nutzen von multi- gegenüber monosensoriellen Systemen zur Erkennung von Verkehrsteilnehmern in künftigen Fahrerassistenzsystemen.