Autonomes Fahren mit MATLAB

Tag 1 von 2

Erstellen von Ground-Truth-Daten

Ziel: Interaktives und automatisiertes Erstellen der Ground-Truth aus Videos und Bildsequenzen.

• Verwenden der "Ground Truth Labeler App"
• Beschriften von ROIs (Region of Interest) und Szenen
• Automatisiertes Erstellen der Ground-Truth mithilfe von Detektions- und Tracking Algorithmen
• Betrachten und exportieren der Ground-Truth

Visualisierung von Sensordaten

Ziel: Visualisieren von Kamerabildern, Radar- und Lidardaten. Verwenden geeigneter Koordinatensysteme.

• Visualisierung in Vogelperspektive
• Grafische Darstellung der Sensorabdeckung
• Visualisierung von detektierten Objekten und Fahrspur
• Transformation zwischen Fahrzeug- und Bildkoordinaten
• Kennzeichnung detektierter Objekte und Fahrspurbegrenzung in Videos

Fahrspur- und Fahrzeugerkennung

Ziel: Segmentieren und Modellieren von Fahrspurbegrenzungen. Verwenden vortrainierter Detektoren zur Fahrzeugerkennung.

• Transformation von Bilddaten in Vogelperspektive
• Erkennen der Fahrspurmarkierung
• Erstellen eines Fahrspurmodells
• Abgleich von Fahrspurerkennung und Ground-Truth
• Erkennen von Fahrzeugen

Arbeiten mit Lidar-Punktwolken

Ziel: Arbeiten mit Lidar-Daten, dargestellt als 3D-Punktwolken. Importieren, Anzeigen und Verarbeiten von Punktwolken. Ausrichten der Punktwolken und Erstellen einer Karte.

• Importieren und Anzeigen von Punktwolken
• Vorverarbeiten von Punktwolken
• Segmentieren von Objekten aus Lidar-Sensordaten
• Erstellen einer Karte basierend auf Lidar-Sensordaten

Tag 2 von 2

Tracken und Zusammenführen von Sensordaten

Ziel: Erzeugen eines Multi-Object Trackers um Informationen verschiedener Sensoren, wie z.B. Kamera, Radar und Lidar, zusammenzuführen.

• Tracken mehrerer Objekte
• Vorverarbeiten von Detektionen
• Verwendung von Kalman-Filtern
• Verwalten mehrerer Tracks
• Arbeiten mit dem Multi-Object Tracker

Tracken von erweiterten Objekten

Ziel: Erstellen eines Trackers zum Tracken von erweiterten Objekten und Bestimmen ihrer Maße.

• Definieren von Sensorkonfigurationen
• Tracken von erweiterten Objekten
• Schätzen der räumlichen Ausdehnung

Erzeugen von Fahrszenarien und Synthetisieren von Sensordaten

Ziel: Erzeugen künstlicher Fahrszenarien, sowie Radar- und Kameradetektionen um Algorithmen zur Umgebungswahrnehmung zu testen.

• Verwenden der "Driving Scenario Designer App"
• Erzeugen von Szenarien mit Straßen, Akteuren und Sensoren
• Simulation und Visualisierung von Szenarien
• Erzeugen von Detektionen und Exportieren von Szenarien
• Testen von Algorithmen in Szenarien