Kreuzmodale Supervision für automotive Radar- und Kamerasensoren / von M.Sc. Christopher Grimm ; Erster Gutachter: Prof. Dr.-Ing. Reinhold Häb-Umbach, Zweiter Gutachter: Prof. Dr.-Ing. Markus Gardill. Paderborn, 2024
Inhalt
- Einleitung
- Auflistung automotiver Datensätze und verwandter Arbeiten
- Wissenschaftlicher Beitrag dieser Arbeit
- Gliederung dieser Arbeit
- Grundlagen zur Signalverarbeitung
- Radarsignalverarbeitung für automotive Anwendungen
- Reflexionspfad
- Definition des Radarkoordinatensystems
- Signalmodulation und Vorverarbeitung
- Zieldetektion
- Einfallswinkelschätzung
- Inferenz und Training bei neuronalen Netzwerken
- Aufbau und Kalibrierung des Sensorsystems
- Definition der Koordinatensysteme
- Radar
- Lidar
- Kamera
- DGPS-INS
- Weitere Koordinatentransformationen
- Temporale Kalibrierung
- Aufbereitung der Sensordaten
- Tiefenvervollständigung
- Schätzung der Oberflächennormalen
- Semantische Instanz-Segmentierung der Kamerabilder
- Verfeinerung der Instanzmasken durch Clusterbildung
- Optischer Fluss
- Schätzung der Radialgeschwindigkeit aus Referenzsensordaten
- Erläuterungen zum 3D-Szenenfluss
- Erweiterung von DRISF zu DRISFwR
- Eingangsdaten
- Mengendefinitionen
- Definition der Bewegung
- Bestimmung der Hintergrundbewegung
- Bestimmung der Vordergrundbewegung
- Bewegungsparameter
- Formulierung der Optimierungsfunktionen
- Lösung mittels Gauß-Newton Optimierer
- Herleitung der Residuen
- Herleitung der Jacobi-Matrizen
- Herleitung der Wichtungsmatrizen
- Spezielle Modifikationen von DRISFwR
- Evaluation
- Datensatz für Evaluation des Szenenflusses
- Quantifizierung der Schätzfehler
- Qualitativer Vergleich
- Vergleich der Laufzeit
- Zusammenfassung
- Projektion von RD-Gitter Daten in Kamerabilder
- Definition der Warprichtungen
- Generische Netzwerkstruktur und Trainingsprozess
- Vorwärtswarp
- Rückwärtswarp
- Subjektive Bewertung
- Zusammenfassung
- Evaluation
- Datensatz
- DOA Schätzung
- Eingangsdaten
- Zielwerte
- Netzwerkarchitektur
- Assoziation von Prädiktion und Label durch Warping
- Messung der Abweichung
- Selektion der Pixelmenge
- Gesamtkosten
- Initialisierung der Parameter
- Optimierer
- Trainingsprozess
- Ergebnis
- Zieldetektion
- Eingangsdaten
- Zielwerte
- Netzwerkarchitektur
- Assoziation von Prädiktion und Label durch Warping
- Messung der Abweichung
- Allgemeine Selektion der Pixelmenge
- Gesamtkosten
- Initialisierung der Parameter
- Optimierer
- Trainingsprozess
- Ergebnis
- Semantische Segmentierung
- Eingangsdaten
- Zielwerte
- Netzwerkarchitektur
- Assoziation von Prädiktion und Label durch Warping
- Messung der Abweichung
- Selektion der Pixelmenge
- Gesamtkosten
- Initialisierung der Parameter
- Optimierer
- Trainingsprozess
- Ergebnis
- Empfangsleistungsschätzung über das Kamerabild
- Eingangsdaten
- Zielwerte
- Netzwerkarchitektur
- Assoziation von Prädiktion und Label durch Warping
- Messung der Abweichung
- Selektion der Pixelmenge
- Gesamtkosten
- Initialisierung der Parameter
- Optimierer
- Trainingsprozess
- Ergebnis
- Zusammenfassung
- Zusammenfassung und Ausblick
- Anhang
- Untersuchungen zum Umgang mit Labelnoise durch Optimierung im Skalierungsraum
- Gegenüberstellung von Aspektwinkel und SNR für Zieldetektion
- Konfusionsmatritzen
- Beispiele der semantischen Segmentierung
- Akronyme
- Notationen und Symbole
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Literaturverzeichnis
- Eigene Publikationen