Für die in Abschnitt 6.2.3 vorgestellte Erkennung und Auflösung von Falsch- (FPO) und Fehl-detektion (FNO) von Objekten konnte kein geeigneter Messaufbau gefunden werden, durch den eine statistisch belastbare Anzahl an Fehlern bestimmbar war. Vor allem der Einfluss weiterer Fehlerquellen, wie gegenseitige Verdeckungen von fahrenden Fahrzeugen, erschwert die nötige Fehlerisolation zur Untersuchung der einzelnen Messfehler.
Zur Veranschaulichung und Überprüfung des Verfahrens wurde daher eine Simulation auf-gesetzt, die die Erkennung von Falsch- und Fehldetektion anhand unterschiedlicher Mess- und Sensorkonfigurationen verdeutlichen soll. Die Größe und Seitenverhältnisse des Messobjekts äh-neln den fahrzeugtypischen Maßen (4 × 2× 2 m). Das Messobjekt bewegt sich diskret entlang der Gitterpunkte eines Messfeldes analog zum Aufbau zur Genauigkeitsbestimmung der Sensoren (siehe Abschnitt 7.1 bzw. Abbildung 7.11).
Segmentierungswahrscheinlichkeit der Sensoren
Die Segmentierungswahrscheinlichkeiten (SW) der im FPO/FNO-Konflikt stehenden Sensoren werden, wie in Abschnitt 6.2.3 beschrieben, zur Bestimmung einer zusammengefassten Aussage herangezogen, um den Konflikt aufzulösen.
Im Zuge der Auswertung stellte sich hierbei eine Modellschwäche bei der Bestimmung der SW für das Stereokamerasystem heraus. Der in 4.1.3 beschriebene Ansatz führt beim Stereosys-tem zu einer Überschätzung der SW. Bei einer entsprechenden Kalibrierung des Modells durch eine Anpassung der Parameter für das Segmentierungsverhalten kommt es zu einer entsprechen-den Verkleinerung der Segmentierungsräume (S-Ellipsoide). Dies führt wiederum zu einem nicht idealen Segmentierungsverhalten durch eine erhöhte Fragmentierung der Objektdaten. Dieser Offset zwischen dem Modell und der Realität lässt sich für das Stereoverfahren durch einige Faktoren erklären. Im Gegensatz zum Laserscanner liefert das verwendete Stereoverfahren keine dichte Punktmessung (z.B. Schwächen bei homogenen Flächen). Zudem nimmt die Stereodaten-reduzierung Einfluss auf die Anzahl und Verteilung der Messpunkte. Im vorgestellten Modell zur Bestimmung der SW werden diese Faktoren nicht berücksichtigt und führen zu einer ungenauen SW-Modellierung beim Stereosystem.
Zur Kompensation der Modellschwäche wird ein Skalierungsfaktor s vorgeschlagen, der die modellbasiert bestimmbaren Abstände zwischen einem ObjektpunktP und seinen angrenzenden horizontalen und vertikalen Messpunkten ¯P und ¯¯P mit
P¯x= ¯Px
P¯y =Py+s( ¯Py−Py) P¯z = ¯Pz
(7.1) und
7.3 Auflösung von Falsch- und Fehldetektion auf Objektebene 50 Zellen
50 Zellen
1m
1 m
Abbildung 7.11: Darstellung des gitterartigen Messfeldes zur Simulation von Falsch- und Fehldetektion
P¯¯x = ¯¯Px
P¯¯y = ¯¯Py
P¯¯z =Pz+s( ¯¯Pz−Pz)
(7.2) entsprechend skaliert (siehe hierzu Abschnitt 4.1.3).
Bei der Kalibrierung von s werden im ersten Schritt die Parameter zur Segmentierung ent-sprechend dem realen Messverhalten des Sensors angepasst. Anschließend wird s dahingehend bestimmt, dass sich ein, dem realen Messverhalten des Sensors, angepasstes Verhältnis der SW zwischen 0 % und 100 % ergibt. Für das eingesetzte Stereoverfahren wurde hierbei ein Faktor s = 3.2 verwendet. Das Segmentierungsmodell des Laserscanners bedurfte keiner Anpassung.
Die Abbildung 7.12 stellt die entsprechend bestimmten SW der beiden Sensoren am jeweiligen Objektmittelpunkt im Messbereich dar (siehe Abbildung 7.11).
Die Segmentierungsunsicherheit im Nahbereich des Laserscanners resultiert aus der im glei-chen Bereich erhöhten Messunsicherheit in Z-Richtung (siehe Abbildung 7.3(b)). Anschließend nehmen die SW für beide Sensoren mit zunehmender Messentfernung und steigendem Messrau-schen ab.
Auswertung für zwei Sensoren
Ein FP-Objekt bzw. eine Falschdetektion eines Sensors wird bei einer FPO-Wahrscheinlichkeit von über 50 % angenommen (im Folgenden als rote Fläche dargestellt). Andernfalls wird ange-nommen, dass der Sensorkonflikt bei der Objektdetektion von einer Fehlmessung (FN-Objekt) verursacht wurde (grün dargestellte Fläche).
(a) (b)
Abbildung 7.12: Segmentierungswahrscheinlichkeiten für den Laserscanner (a) und das Stereo-kamerasystem (b) für einen Messbereich von 51 m ×51 m in 1 m Höhe Abbildung 7.13 illustriert die Wahrscheinlichkeit einer Falsch-Detektion des Messobjektes (FP-Objekt) für den Fall, dass entweder nur das Stereokamerasystem (a) oder nur der Laserscanner das Messobjekt detektiert hat (b). Abgesehen vom vorderen Messbereich bis 10 m, wo beide Sensoren sehr gegensätzliche SW besitzen, kann für den restlichen Messbereich keine signifi-kante allgemeingültige Konfliktursache bestimmt werden. Da die beiden Sensoren insgesamt ein ausgewogenes Segmentierungsverhalten besitzen, wird der Konflikt durch das lokale Verhältnis der beiden Sensor-SW aufgelöst. Hiermit bestätigt sich eine reelle Sensorkonkurrenz im Sinne von gleichberechtigten Sensoren.
Auswertung für drei Sensoren
Um jedoch eine signifikante Entscheidung zwischen einer Fehl- oder Falschdetektion treffen zu können, sollten mehr als zwei Sensoren eingebunden werden. In der Simulation ging hierfür die Detektionshypothese jeweils eines Sensors zweifach in die Auswertung ein, um einen dritten Sensor zu simulieren. Im Folgenden bezeichnet eine Detektionshypothese eines detektierenden Sensors eine positive Objektdetektion bzw. eine Nicht-Detektionshypothese eines nicht detektie-renden Sensors eine negative Objektdetektion.
In Abbildung 7.14 sind die Ergebnisse mit zwei detektierenden Stereokamerasystemen und einem nicht detektierenden Laserscanner (a) sowie zwei detektierenden Laserscannern und einem nicht detektierenden Stereokamerasystem dargestellt. Abgesehen vom vorderen Messbereich bis 10 m bei der zweifachen Detektion durch den Laserscanner liegt die Wahrscheinlichkeit für eine korrekte Objektdetektion bzw. einer fehlenden Objektdetektion eines Sensors (FN-Objekt) für beide Konstellationen bei mindestens 60 %. Wie im vorderen Messbereich bei der zweiten Konstellation ersichtlich, ist es trotzdem noch möglich, dass eine sehr sichere Hypothese zwei unsichere Gegenhypothesen überstimmen kann (rot markierter Bereich).
7.3 Auflösung von Falsch- und Fehldetektion auf Objektebene
(a) (b)
Abbildung 7.13: Wahrscheinlichkeiten für eine Objekt-Falschdetektion (FPO) bei einer alleini-gen Objekterkennung durch das Stereokamerasystem (a) und durch den Lasers-canner (b)
(a) (b)
Abbildung 7.14: Wahrscheinlichkeiten für eine Objekt-Falschdetektion (FPO) bei einer Objek-terkennung durch zwei Stereokamerasysteme gegenüber einer Nicht-Erkennung durch einen Laserscanner (a) sowie für eine Objekterkennung durch zwei La-serscanner gegenüber einer Nicht-Erkennung durch ein Stereokamerasystem (b)
(a) (b)
Abbildung 7.15: Wahrscheinlichkeiten für eine Objekt-Falschdetektion (FPO) bei Nicht-Erken-nung durch zwei Laserscanner gegenüber einer ObjekterkenNicht-Erken-nung durch ein Ste-reokamerasystem (a) sowie für eine Nicht-Erkennung durch zwei Stereokame-rasysteme gegenüber einer Objekterkennung durch einen Laserscanner (b) Der gegensätzliche Konfliktfall von einer Detektionshypothese gegenüber zweier Nicht-Detek-tionshypothesen wird für die beiden Sensoren in Abbildung 7.15 dargestellt. Wie zu erwarten, treten hier zur Abbildung 7.14 an der 50 %-Ebene gespiegelte, identische Ergebnisse auf.
Des Weiteren kann davon ausgegangen werden, dass bei einer Vergrößerung des Verhältnisses zwischen Detektions- und Nicht-Detektionshypothesen eine noch höhere Eindeutigkeit in der Konfliktauflösung zu erwarten ist.
Für eine Auswertung zur Auflösung der Falsch- und Fehldetektion auf der Track-Ebene wurde wegen der Ähnlichkeit zum Verfahren auf der Objektebene verzichtet.