Moderne Fahrerassistenzsysteme basieren auf der Verarbeitung von Informationen, welche durch die Umfeldwahrnehmung mit unterschiedlicher Sensorik erfolgt. Neben den Informationen aus dem eigenen Fahrzeug ergeben sich durch unterschiedliche Kommunikationsmöglichkeiten (Car2Car, Car2X, ...) erweiterte Umfeldwahrnehmungen (siehe Abb. 1). Diese Daten gilt es aufbereitet und zielorientiert einer Anwendung zur Verfügung zu stellen, was mit Hilfe einer Local Dynamic Map (LDM) erfüllt werden kann. Die vorliegende Veröffentlichung beschreibt den Aufbau, Verwendungszweck und Eigenschaften einer entwickelten LDM und geht auf einige Applikationen ein, die mit Hilfe dieser realisiert wurden.

Das automatische Erstellen einer Fahrbahn ist eine wichtige Voraussetzung für verschiedene Anwendungen der Robotik, wie z. B. autonome Fahrzeuge oder fahrerlose Transportsysteme. In dieser Arbeit werden verschiedene bekannte Verfahren der Bahnplanung vorgestellt und miteinander verglichen. Die Berücksichtigung mechanischer Zwangsbedingungen ist dabei ein Schwerpunkt der Betrachtungen. Anschließend wird die konkrete Implementierung eines abtastbasierten Verfahrens beschrieben und der Einfluss verschiedener Parameter auf dessen Funktionalität untersucht. Der Planungsalgorithmus wird außerdem um die Möglichkeit einer dynamischen Umplanung der aktuellen Bahn erweitert. Zahlreiche Simulationen belegen, dass das umgesetzte Verfahren auch komplexe Bahnplanungsprobleme unter verschiedenen Bedingungen in vergleichsweise kurzer Zeit lösen kann. Schwächen zeigen sich vor allem bei sehr engen Manövrierräumen und extrem dynamischen Umgebungen. / Automatic path planning is an important prerequisite for various applications in robotics, such as autonomous vehicles or automatic guided vehicle systems. In this thesis, different approaches for path planning are presented. The methods are compared and evaluated, especially considering their ability to handle differential constraints. Then, the concrete implementation of a sampling-based approach using motion primitives is explained. This algorithm is finally expanded to allow dynamic replanning in reaction of unexpected environmental changes. In numerous simulations, the implemented method proves its ability to solve path planning problems under a variety of conditions in a relatively short amount of time. It is only in extremely narrow spaces and highly dynamic environments when the approach fails to generate a solution.

Zugl.: Braunschweig, Techn. Univ., Diss., 2009

Univ., Diss.--Köln, 2007. / Literaturverz. S. 137 - 145.

Zugl.: München, Techn. Univ., Diss., 2008

Zugl.: München, Techn. Univ., Diss., 2009.

Zugl.: München, Techn. University, Diss., 2008.

Techn. Universiẗat, Diss., 2005--München.

Zugl.: Aachen, Techn. Hochsch., Diss., 2009

Moderne Fahrerassistenzsysteme basieren auf der Verarbeitung von Informationen, welche durch die Umfeldwahrnehmung mit unterschiedlicher Sensorik erfolgt. Neben den Informationen aus dem eigenen Fahrzeug ergeben sich durch unterschiedliche Kommunikationsmöglichkeiten (Car2Car, Car2X, ...) erweiterte Umfeldwahrnehmungen (siehe Abb. 1). Diese Daten gilt es aufbereitet und zielorientiert einer Anwendung zur Verfügung zu stellen, was mit Hilfe einer Local Dynamic Map (LDM) erfüllt werden kann. Die vorliegende Veröffentlichung beschreibt den Aufbau, Verwendungszweck und Eigenschaften einer entwickelten LDM und geht auf einige Applikationen ein, die mit Hilfe dieser realisiert wurden.