Datenfusion für die präzise Lokalisierung

  • Nico Steinhardt
  • Stefan Leinen
Chapter
Part of the ATZ/MTZ-Fachbuch book series (ATZMTZ)

Zusammenfassung

In Kraftfahrzeugen wird eine zunehmende Anzahl an heterogenen und häufig redundanten Sensoren eingesetzt. In diesem Kapitel wird die Methodik zur Fusion von heterogenen Sensordaten zur präzisen Lokalisierung und darüber hinaus zur Fahrdynamikschätzung vorgestellt, sie beruht im Wesentlichen auf [1]. Ziel ist hierbei die Erzeugung eines konsistenten Datensatzes mit erhöhter Genauigkeit. Es werden Klassifizierungen und Ontologien für in Frage kommende Systemarchitekturen und Fusionsfilter gezeigt, spezielle Erweiterungen für das Filter zur Verwendung mit heterogenen, seriennahen Sensoren werden hergeleitet. Dies führt zum Konzept eines virtuellen Sensors als neue Ebene zwischen Sensoren und Anwendungen: Hierfür werden, insbesondere zur Verwendung in sicherheitskritischen Applikationen, Anforderungen für eine Datenqualitätsbeschreibung hergeleitet. Diese gliedert sich in ein Integritäts- und ein Genauigkeitsmaß; eine beispielhafte Umsetzung für einen gegebenen Satz an Sensoren wird vorgestellt. Außerdem wird der Spezialfall eines Fahrzeugs auf bewegtem Untergrund (z. B. Fähre) betrachtet und es werden Lösungsansätze für damit verknüpfte Probleme aufgezeigt. Des Weiteren werden Ergebnisse des umgesetzten Fusionsfilters präsentiert und diskutiert. Ein Ausblick mit Fokus auf Erweiterungsmöglichkeiten und die Einbindung weiterer Sensoren schließt die Betrachtungen ab.

Literatur

  1. 1.
    Steinhardt, N.: Eine Architektur zur Schätzung kinematischer Fahrzeuggrößen mit integrierter Qualitätsbewertung durch Sensordatenfusion. Fortschritt-Berichte VDI Reihe 12 Nr. 781, Düsseldorf (2014)Google Scholar
  2. 2.
    Pourret, O., Naim, P., Marcot, B.: Bayesian Networks: A Practical Guide to Applications. Jon Wiley & Sons, West Sussex, England (2008)CrossRefGoogle Scholar
  3. 3.
    Niebuhr, J., Lindner, G.: Physikalische Messtechnik mit Sensoren, 5. Aufl. Oldenbourg Industrieverlag, München (2002). Abschnitt 1.2.2Google Scholar
  4. 4.
    Wendel, J.: Integrierte Navigationssysteme. Sensordatenfusion, GPS und Inertiale Navigation. Oldenbourg Wissenschaftsverlag, München (2007)CrossRefGoogle Scholar
  5. 5.
    Deutsches Institut für Normung: DIN 70000 – Straßenfahrzeuge; Fahrzeugdynamik und Fahrverhalten. Beuth Verlag, Berlin (1994). Abschnitt 1.2Google Scholar
  6. 6.
    Titterton, D., Weston, J.: Strapdown Inertial Navigation Technology, 2. Aufl. The Institution of Electrical Engineers, Stevenage, United Kingdom (2004). Abschnitt 3.5CrossRefGoogle Scholar
  7. 7.
    Reif, K.: Automobilelektronik, 2. Aufl. Vieweg Verlag, Wiesbaden (2007). Abschnitte 4.6.4, 4.6.5, 4.6.8Google Scholar
  8. 8.
    Bevley, D., Cobb, S.: GNSS for Vehicle Control. Artech House, Norwood, USA (2010)Google Scholar
  9. 9.
    Pacejka, H., Bakker, E.: The Magic Formula Tyre Model. Vehicle System Dynamics: International Journal of Vehicle Mechanics and Mobility 21, 1–18 (1992)Google Scholar
  10. 10.
    Groves, P.: Principles of GNSS, Inertial and Multisensor Integrated Navigation Systems. Artech House, Boston, USA (2008). Abschnitte 12.1.3, 12.1.5MATHGoogle Scholar
  11. 11.
    Hofmann-Wellenhof, B., Legat, K., Wieser, M.: Principles of Positioning and Guidance. Springer Verlag, Wien (2003). Abschnitt 9.3.1Google Scholar
  12. 12.
    Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics. The MIT Press, Massachusetts Institute of Technology, Cambridge, USA (2006)Google Scholar
  13. 13.
    Hackenberg, U.; Heißing, B.: Die fahrdynamischen Leistungen des Fahrer‐Fahrzeug‐Systems im Straßenverkehr. Automobiltechnische Zeitung (ATZ), Nr. 84, Wiesbaden, 1982, Tabelle 1Google Scholar
  14. 14.
    Dziubek, N.: Zeitkorrigiertes Sensorsystem. Continental Teves AG & Co. oHG, Patent WO 2013/037850 A1, 2013Google Scholar
  15. 15.
    Dziubek, N.: Verfahren zum Auswählen eines Satelliten. Continental Teves AG & Co. oHG, Patent WO 2013/037844 A3, 2013Google Scholar
  16. 16.
    Strang, T., Schubert, F., Thölert, S., Oberweis, R., et al.: Lokalisierungsverfahren. Deutsches Zentrum für Luft‐ und Raumfahrt e. V. (DLR). Institut für Kommunikation und Navigation, Oberpfaffenhofen (2008)Google Scholar
  17. 17.
    Pullen, S.: Quantifying the Performance of Navigation Systems and Standards for assisted‐GNSS InsideGNSS, Oregon, USA, Sept./Okt. 2008. (2008)Google Scholar
  18. 18.
    Leinen, S.: Parameterschätzung I Vorlesungsskript. Institut für Physikalische Geodäsie der TU Darmstadt (jetzt: Fachgebiet Physikalische Geodäsie und Satellitengeodäsie), Darmstadt (2009). Abschnitt 5.1.2Google Scholar
  19. 19.
    Bar-Shalom, Y., Rong Li, X., Kirubarajan, T.: Estimation with Applications to Tracking and Navigation. John Wiley & Sons, New York (2001)CrossRefGoogle Scholar
  20. 20.
    Agogino, A., Chao, S., Goebel, K., Alag, S., Cammon, B., Wang, J.: Intelligent Diagnosis Based on Validated and Fused Data for Reliability and Safety Enhancement of Automated Vehicles in an IVHS California PATH Research Report, Bd. UCB‐ITS‐PRR‐98‐17. Institute of Transportation Studies, University of California, Berkeley, USA (1988)Google Scholar
  21. 21.
    Abdelghani, M., Friswell, M.: A Parity Space Approach to Sensor Validation IMAC XIX – 19th International Modal Analysis Conference, Orlando, USA. (2001)Google Scholar
  22. 22.
    Ding, J., Wesley Hines, J., Rasmussen, B.: Independent Component Analysis for Redundant Sensor Validation. The University of Tennessee, Nuclear Engineering Department, Knoxville, USA (2004)Google Scholar
  23. 23.
    Goebel, K., Agogino, A.: Fuzzy sensor fusion for gas turbine power plants. In: Proceedings of SPIE, Sensor Fusion: Architecture, Algorithms, and Applications III, Bd. 3719, S. 52–61. SPIE, Orlando, USA (1999)CrossRefGoogle Scholar
  24. 24.
    Kuusniemi, H.: User‐Level Reliability and Quality Monitoring in Satellite‐Based Personal Navigation. Dissertation. Tampere University of Technology, Tampere, Finnland (2005)Google Scholar
  25. 25.
    Bhatti, U.: Improved integrity algorithms for integrated GPS/INS systems in the presence of slowly growing errors. Dissertation. Centre for Transport Studies, Department of Civil and Environmental Engineering, Imperial College London, London, England (2007)Google Scholar
  26. 26.
    Brown, R.: A Baseline RAIM Scheme and a Note on the Equivalence of Three RAIM Methods. Proceedings of the 1992 National Technical Meeting of The Institute of Navigation. The Institute of Navigation (ION), San Diego, USA, S. 127–137 (1992)Google Scholar
  27. 27.
    Young, R., McGraw, G.: Fault Detection and Exclusion Using Normalized Solution Separation and Residual Monitoring Methods. NAVIGATION, Journal of the Institute of Navigation 50(3), 151–170 (2003). Manassas, USAGoogle Scholar
  28. 28.
    Wu, X., Wu, S., Wang, J.: A Fast Integrity Algorithm for the Ultra‐tight Coupled GPS/INS System 9th International Conference on Signal Processing, Beijing, China. (2008)Google Scholar
  29. 29.
    Bhatti, U., Ochieng, W.: Detecting Multiple failures in GPS/INS integrated system: A Novel architecture for Integrity Monitoring. Journal of Global Positioning Systems 8(1), 26–42 (2009). Calgary, Alberta, KanadaCrossRefGoogle Scholar
  30. 30.
    Hwang, P., Brown, R.: NIORAIM Integrity Monitoring Performance In Simultaneous Two‐Fault Satellite Scenarios. ION GNSS 18th International Meeting of the Satellite Division. The Institute of Navigation (ION), Long Beach, USA (2005)Google Scholar
  31. 31.
    Feng, S., Ochieng, W.: Integrity of Navigation System for Road Transport. Centre for Transport Studies, Imperial College London. ITS, London (2007)Google Scholar
  32. 32.
    Sukkarieh, S., Nebot, E., Durrant-Whyte, H.: A High Integrity IMU/GPS Navigation Loop for Autonomous Land Vehicle Applications. IEEE Transactions on Robotics and Automation 15(3), 572–578 (1999). New York, USACrossRefGoogle Scholar
  33. 33.
    Le Marchand, O., Bonnifait, P., Ibañez-Guzmán Bétaille, J.D.: Vehicle Localization Integrity Based on Trajectory Monitoring. Intelligent Robots and Systems. IEEE, St. Louis, USA (2009)Google Scholar
  34. 34.
    Toledo-Moreo, R., Zamora-Izquierdo, M., Úbeda-Miñarro, B., Gómez-Skarmeta, A.: High‐Integrity IMM‐EKF‐Based Road Vehicle Navigation With Low‐Cost GPS/SBAS/INS. IEEE Transactions on Intelligent Transportation Systems 8(3), 491–511 (2007). New York, USACrossRefGoogle Scholar
  35. 35.
    Abuhashim, T., Abdel-Hafez, M., Al-Jarrah, M.: Building a Robust Integrity Monitoring Algorithm for a Low Cost GPS‐aided‐INS System. In: International Journal of Control, Automation, and Systems. S. 1108–1122. Springer, Bucheon, Korea (2010)Google Scholar
  36. 36.
    Mansfeld, W.: Satellitenortung und Navigation, 3. Aufl. Vieweg + Teubner, Wiesbaden (2010)Google Scholar
  37. 37.
    Wegener, M., Schnieder, E.: Definition der Messqualität und ihre quantitative Bestimmung. Deutsche Gesellschaft für Ortung und Navigation (DGON), POSNAV ITS, Berlin (2013)Google Scholar
  38. 38.
    Dziubek, N., Martin, J.: Sensorsystem umfassend ein Fusionsfilter zur gemeinsamen Signalverarbeitung. Continental Teves AG & Co. oHG (2013). Patent WO 2013/037854 A1Google Scholar
  39. 39.
    Gross-Bölting, M., Kolkmann, D.: Verfahren zum Abgleich eines Systems zum Messen der Gierrate eines Kraftfahrzeuges sowie ein solches System. Hella KGaA Hueck & Co. (2002). Patent EP 1 264 749 B1Google Scholar
  40. 40.
    Keller, F., Lüder, J., Urban, W., Winner, H.: Verfahren und Vorrichtung für die Bestimmung von Offsetwerten durch ein Histogrammverfahren. Robert Bosch GmbH (2002). Patent DE 000010205971 A1Google Scholar
  41. 41.
    Keller, F., Lüder, J., Urban, W., Winner, H.: Verfahren und Vorrichtung für die Bestimmung von Offsetwerten durch ein Regressionsverfahren. Robert Bosch GmbH (2002). Patent DE 000010206016 A1Google Scholar
  42. 42.
    Diesel, J., Luu, S.: Calculation of thresholds and protection radius using chi‐square methods. In: Proceedings of the 8th International Technical Meeting of the Satellite Division of The Institute of Navigation, Palm Springs, USA (1995)Google Scholar
  43. 43.
  44. 44.
    Lategahn, H.: Mapping and Localization in Urban Environments Using Cameras. Dissertation, Institut für Mess‐ und Regelungstechnik, Karlsruher Institut für Technologie (KIT), Karlsruhe, 2013Google Scholar
  45. 45.
    Dang, T., Hoffmann, C., Stiller, C.: Visuelle mobile Wahrnehmung durch Fusion von Disparität und Verschiebung. In: Maurer, M., Stiller, C. (Hrsg.) Fahrerassistenzsysteme mit maschineller Wahrnehmung. Springer Verlag, Berlin (2005)Google Scholar
  46. 46.
    Winner, H., et al.: Handbuch Fahrerassistenzsysteme. Vieweg + Teubner, Wiesbaden (2009). Abschnitte 12 und 13CrossRefGoogle Scholar
  47. 47.
    Grewe, R., Hohm, A., Hegemann, S., Lueke, S., Winner, H.: Towards a Generic and Efficient Environment Model for ADAS. Intelligent Vehicles Symposium, Alcalá de Henares, Spanien (2012)Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  • Nico Steinhardt
    • 2
  • Stefan Leinen
    • 1
  1. 1.Institut für Geodäsie, Fachgebiet Physikalische Geodäsie und SatellitengeodäsieTechnische Universität DarmstadtDarmstadtDeutschland
  2. 2.Fachgebiet FahrzeugtechnikTechnische Universität DarmstadtDarmstadtDeutschland

Personalised recommendations