Using non-kinematic information to reduce the complexity of data association : A multi-sensor, multi-target association algorithm for automotive applications

• Main Author: Lundin, Hjalmar
• Format: Others
• Language: English
• Published: KTH, Maskinkonstruktion (Inst.) 2016
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-190206

Detta är ett examensarbete på mastersnivå gjort i samarbete med Scania CV AB. Avancerade förarstödssystem är en drivande faktor mot ökad säkerhet och bränsleeffektivisering i fordonsindustrin. När fordon i ökad utsträckning blir mer och mer automatiserade och komplexa, så ökar behovet av en precis representation av omgivningen runt fordonet som görs med hjälp av sensorer. Detta uppnås både genom att addera sensorer för att öka deras synfält, och genom att använda flera sensorer för samma synfält för ökad pålitlighet. Vanliga sensorteknologier, såsom kamera och radar, som används för målföljning behövs kombineras för att erhålla ett bättre estimat. Att kombinera information från flera sensorer kallas for sensor fusion. Sensor fusion kan delas in i två delproblem; dataassociation och estimering av tillstånd. Med ökande mängd mätdata från flera sensorer så ökar komplexiteten exponentiellt vilket är problematiskt i ett fordon med begransad beräkningskapacitet där beräkningarna görs i realtid. Syftet med examensarbetet är därför att utforska vilken algoritm som kan tänkas användas som en framtida målföljningsalgoritm i fordonsindustrin. Forskningen har fokuserat på att utforska lösningar för målföljning för ett fordon, fokuserat på hur dataassociation kan lösas när antalet mål och sensorer ökar. Litteraturstudien har varit inriktad på algoritmer som används i en decentraliserad arkitektur, eftersom detta är den vanligaste typen inom fordonsindustrin. Genom undersökning av olika angreppsätt beskrivna i litteraturen, så utvecklades en algoritm och implementerades på en PC och jämfördes mot en målföljningsalgoritm som används i fordonsindustrin idag. Jämförelsen gjordes i två olika scenarion med mätdata inspelat med en lastbil. Resultatet är algoritm som använder ytterligare information förutom tillståndsvektorer från sensorerna, som t.ex. ID, för att underlätta dataassociation. Genom att använda denna information kan dataassociationen lösas snabbare än med dagens algoritmer och behålla samma precision. Eftersom antalet mål och sensorer förväntas öka i framtiden så är fördelen med en snabbare dataassociationalgoritm betydande. Algoritmen är byggd i en modular design och förberedd för det växande antal sensorer som förväntas i framtida fordonsapplikationer.