260

FÖRDERUNG DES WISSENSCHAFTLICHEN NACHWUCHSES

nachlässigen die Abmessungen der Fahrzeuge, wodurch die Geschwindigkeit in rele-
vanten Kreuzungsszenarien stark verfälscht wird. Daher wurden die Fahrzeuge als
Quader modelliert und durch I-, L- und U-Konturmodelle im Laserscan
angenähert. Es konnte gezeigt werden, dass unter Verwendung dieser Modelle mit
neuartigen Verfahren der Objektverfolgung die Geschwindigkeit bis zu dreimal
genauer ermittelt werden kann.
Mit dem Laserscanner allein kann die Position und Geschwindigkeit von
Objekten im nahen und mittleren Entfernungsbereich sehr gut ermittelt werden. Im
Fernbereich ist jedoch eine Verbesserung der Winkelmessung durch zusätzliche Ver-
wendung einer Kamera möglich, da die Kamera eine etwa 10-fach größere Winkel-
auflösung besitzt. Eine genaue Ermittlung des Winkels ist insbesondere für eine früh-
zeitige Erkennung eines Spurwechsels vorausfahrender Fahrzeuge auf Autobahnen
notwendig. Durch die Kombination des Laserscanners mit der Kamera konnte die
Genauigkeit der Winkelschätzung fast verdoppelt werden. Um die Messungen des
Laserscanners und der Kamera miteinander zu kombinieren, wurde eine neuartige
Fusionsarchitektur entwickelt, die für den Einsatz in Fahrzeugen optimiert ist.
Die erweiterte Fahrzeug-Umfelderfassung wurde anhand von relevanten Szen-
arien mit Referenzdaten statistisch evaluiert und ihr Nutzen nachgewiesen. Die Sig-
nifikanz des Mehrwerts, insbesondere der präzisen Objektverfolgung von Fahrzeu-
gen an Kreuzungen, wird im Zusammenspiel mit einer Funktion der Fahrerassistenz
oder aktiven Sicherheit deutlich. Beispielhaft wurde daher eine allgemeine Auslöse-
strategie für eine automatische Notbremse hergeleitet. Das Besondere an der Auslö-
sestrategie ist, dass sie in beliebigen Situationen und insbesondere in komplexen
Kreuzungsszenarien greift. Das Potential dieses Auslösealgorithmus konnte an typi-
schen Unfallszenarien in der Simulation aufgezeigt werden.
Neue und funktional optimierte Systeme der Fahrerassistenz und aktiven
Sicherheit erhalten Einzug in die Fahrzeuge. Die Arbeit hat ihren Beitrag dazu gelei-
stet, die Sicherheit im Verkehrsgeschehen zukünftig weiter zu erhöhen.


NICO KÄMPCHEN
(geb. 1974) studierte Elektrotechnik an den Uni-
versitäten Bochum und Stuttgart. Einen Master of
Science in künstlicher Intelligenz erhielt er von der
University of Edinburgh. Nach Abschluss seiner
Promotion an der Universität Ulm arbeitet Nico
Kämpchen seit 2006 als Angestellter der BMW
Group Forschung und Technik.