Entwicklung und Analyse eines regelbasierten Prädiktionsansatzes für unstrukturierte Umgebung

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

Vollautomatisierte Fahrfunktionen ermöglichen den Menschen in definierten Szenarien vollständig von der Fahraufgabe zu entbinden. Die hierzu notwendigen Algorithmen zur Umfeldwahrnehmung auf Basis von Sensordaten sind heute bereits auf gutem Niveau. Die große Herausforderung liegt im Szenenverständnis der Umgebung und darauf aufbauend der Bewegungsprädiktion des Verhaltens der anderen Verkehrsteilnehmer, was als Abbildung der menschlichen Fahrerfahrung zusammengefasst werden kann. Eine weitere Herausforderung ergibt sich in unstrukturierter Umgebung, weil  dort Informationen aus Straßenkarten und Verkehrsregeln nicht oder nur in Teilen anwendbar sind. Containerterminals als Beispiel für eine unstrukturierte Umgebung bilden als abgeschlossenes Level-4 Szenario einen attraktiven Anwendungsfall im Nutzfahrzeugbereich. Eine Prädiktionsfunktion in diesem Umfeld ist bisher nicht realisiert und bildet Gegenstand aktueller Forschung. In dieser Studienarbeit soll eine robuste und deterministische Funktion zur Bewegungsprädiktion von Fahrzeugen entwickelt und analysiert werden. Der Fokus liegt auf der Prädiktion in Freiflächen, welche als Bereiche ohne Fahrbahnmarkierungen im Containerterminal charakterisiert sind. Weitere Zielgröße stellen die Sicherheit und Zuverlässigkeit im Betrieb dar. Ziel ist es, die Funktion im Realfahrzeug anzuwenden und eine sichere Ego-Trajektorienplanung auf Basis der Prädiktion zu gewährleisten. Gleichzeitig soll stets über den benötigen Zeithorizont zur Trajektorienplanung prädiziert werden. Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zum Stand der Technik und Wissenschaft der Bewegungsprädiktion mit dem Fokus auf regelbasierte Ansätze
  • Definition eines Anforderungskatalogs für den gegebenen Anwendungsfall
  • Systematische Auswahl eines geeigneten Ansatzes auf Basis des Katalogs
  • Entwicklung und Implementierung eines regelbasierten Ansatz in der vorgegebenen Softwareumgebung
  • Definition geeigneter Metriken und Szenarien zur Validierung der Prädiktionsfunktion
  • Analyse der Prädiktionsgüte und Robustheit der Funktion
  • Evaluation und Dokumentation der Ergebnisse

Bei Interesse freue ich mich über eine aussagekräftige Bewerbung von Ihnen. Bitte fügen Sie einen aktuellen Lebenslauf und Notenauszug bei.

Die ausgeschriebene Arbeit findet im Rahmen eines Kooperationsprojektes mit MAN Truck & Bus statt. Eine befristete Anstellung inklusive Vergütung und vorgesehenem Arbeitsplatz vor Ort sind vorgesehen.

Voraussetzungen
  • Kenntnisse im Bereich des Autonomen Fahrens und statistischen Modellen
  • Gute Kenntnisse in Python & C++
  • Erste Erfahrung in Softwareintegration und Validierung
  • Strukturierte und eigenverantwortliche Arbeitsweise
Industriepartner
MAN
Verwendete Technologien
C++, Python, Git,
Tags
FTM Studienarbeit, FTM Fahrdynamik, FTM Karle
Möglicher Beginn
01.04.2021
Kontakt
Phillip Karle, M.Sc.
Raum: MW 3505
Tel.: +49 89 289 15898
karleftm.mw.tum.de