Jump to ContentJump to Main Navigation
Show Summary Details
More options …

at - Automatisierungstechnik

Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik

[AT - Automation Technology: Methods and Applications of Control, Regulation, and Information Technology
]

Editor-in-Chief: Bretthauer, Georg

12 Issues per year


IMPACT FACTOR 2016: 0.675

CiteScore 2016: 0.55

SCImago Journal Rank (SJR) 2016: 0.262
Source Normalized Impact per Paper (SNIP) 2016: 0.645

Online
ISSN
2196-677X
See all formats and pricing
More options …
Volume 56, Issue 11 (Nov 2008)

Issues

Probabilistische Methoden in der Umfeldwahrnehmung Kognitiver Automobile
Probabilistic Methods for Environment Perception of Cognitive Automobiles

Christoph Stiller / Sören Kammel
  • 1 Universität Karlsruhe (TH), Institut für Mess- und Regelungstechnik, Karlsruhe, Deutschland
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Irina Lulcheva
  • 2 Universität Karlsruhe (TH), Institut für Mess- und Regelungstechnik, Karlsruhe, Deutschland
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Julius Ziegler
  • 3 Universität Karlsruhe (TH), Institut für Mess- und Regelungstechnik, Karlsruhe, Deutschland
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
Published Online: 2009-09-25 | DOI: https://doi.org/10.1524/auto.2008.0738

Zusammenfassung

Durch sensorielle Wahrnehmung und Interpretation von Video- und Lidardaten erstellen sich Kognitive Automobile ein Lagebild ihrer Umgebung, welches die Grundlage für die Entscheidung und Ausführung situationsangepassten Fahrverhaltens bildet. Probabilistische Modelle erlauben dabei die konsistente Repräsentation der Sensorinformation einschließlich ihrer Unsicherheit. Symbolisches Wissen über die Verkehrsszene kann in diesem Kontext durch Markov-Logik-Netze probabilistisch formuliert und inferiert werden. Anstelle von fertigkeits- oder regelbasiertem Verhalten geben wissensbasierte Methoden Werte und Ziele vor, sodass die Verhaltensentscheidung durch Auswahl des Verhaltens erfolgt, das den größtmöglichen Zielerreichungsgrad erwarten lässt. Erste Ergebnisse umfassen neben dem Fahrzeugaufbau bereits autonome Manöver sowie die Finalteilnahme im Urban Challenge Wettbewerb.

Abstract

Cognitive automobiles acquire an internal representation of the driving environment through perception and interpretation of video- and lidar-data. This knowledge serves as a basis for decision and control of driving behavior that is appropriate in the perceived driving situation. Probabilistic models enable a consistent representation of the acquired sensor information and its uncertainty. In this context, symbolic knowledge on the traffic situation may be formulated probabilistically and inferred using Markov Logic Networks. Beyond skill- and rule-based behavior the concept of knowledge-based methods allow to specify values and goals. The task of behavior decision then reduces to the selection of the behavior alternative that fulfils the preset goals to the highest expected degree. Preliminary results include an experimental vehicle that conducts first autonomous maneuvers and that has entered the finals of the Urban Challenge competition.

Keywords: cognitive automobiles; autonomous vehicles; machine vision; stereo vision; diversitary perception

About the article

* Correspondence address: Universität Karlsruhe (TH), Institut für Mess- und Regelungstechnik, Engler-Bunte-Ring 21, 76131 Karlsruhe, Deutschland,


Published Online: 2009-09-25

Published in Print: 2008-11-01


Citation Information: at - Automatisierungstechnik Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik, ISSN (Print) 0178-2312, DOI: https://doi.org/10.1524/auto.2008.0738.

Export Citation

Comments (0)

Please log in or register to comment.
Log in