Bei diesem Projekt wurde ein Extended Kalman Filter programmiert, der in der Lage ist, Daten von Radar und Lidar zu nutzen und damit Objekte zu verfolgen. Zusätzlich wird der Root Mean Squared Error (RMSE) berechnet, bei dem die Ergebnisse des Filters mit den wahren Daten abgeglichen werden. Dieser Fehler soll unter 0,11 liegen. Das zugehörige Video, sowie die Beschreibung finden sich weiter unten.
Zum Verfolgen eines Objektes wird ein Kalman Filter implementiert. Dieser durchläuft 2 Schritte - die Messung und das Aktualisieren. Die Daten von Radar und Lidar werden zunächst im Messungsschritt verarbeitet. Handelt es sich um die erste Messung, werden Matrizen initialisiert. Wenn es bereits eine Messung gab, erfolgt die Prädiktion mit der entsprechenden Formel. Anschließend wird unterschieden, ob es sich bei der Messung um Lidar- oder Radardaten handelt und die entsprechende Matrix wird erstellt. Das Update der Position erfolgt mit entsprechenden Formeln, die hier nicht genauer erläutert werden.
Im Simulator beschreiben die roten Kreise die Messungen des Lidar Sensors und die blauen Kreise die des Radar Sensors mit erkannter Richtung (Pfeil in den Kreisen). Die grünen Dreiecke repräsentieren die Positionsabschätzung des verfolgten Objektes mit Hilfe des implementierten Kalman Filters.
Die an dieser Stelle vorgesehenen Inhalte können aufgrund Ihrer aktuellen Cookie-Einstellungen nicht angezeigt werden.
Diese Webseite bietet möglicherweise Inhalte oder Funktionalitäten an, die von Drittanbietern eigenverantwortlich zur Verfügung gestellt werden. Diese Drittanbieter können eigene Cookies setzen, z.B. um die Nutzeraktivität zu verfolgen oder ihre Angebote zu personalisieren und zu optimieren.
Diese Webseite verwendet Cookies, um Besuchern ein optimales Nutzererlebnis zu bieten. Bestimmte Inhalte von Drittanbietern werden nur angezeigt, wenn die entsprechende Option aktiviert ist. Die Datenverarbeitung kann dann auch in einem Drittland erfolgen. Weitere Informationen hierzu in der Datenschutzerklärung.