TY  - THES
AB  - Die automatische Signalverarbeitung von Sensorsignalen ist ein integraler Bestandteil von automotiven Radarsensoren. Erst die Signalverarbeitung extrahiert die relevanten Informationen aus den abgetasteten Sensorsignalen und ermöglicht dem Fahrerassistenzsystem, gezielt Warnhinweise auszugeben oder automatisiert Veränderungen von Stellgrößen durchzuführen. Die Güte der zur Signalverarbeitung eingesetzten Algorithmen wird mitunter durch Faktoren wie Laufzeitbedingungen, Robustheit gegenüber Rauschen bzw. parasitären Signalanteilen sowie Robustheit der Modellannahmen der genutzten Algorithmen definiert. Um diese Güte zu verbessern, werden fortlaufend neue Algorithmen entwickelt. Ein möglicher Entwicklungspfad ergibt sich dabei durch die Klasse der Algorithmen zum maschinellen Lernen. Die damit verbundenen Algorithmen erkennen Muster anhand zuvor präsentierter Datensätze. Eine wichtige Unterklasse sind dabei die überwachten Lernverfahren, bei welchen die Datensätze aus den Eingangsdaten der Algorithmen und gelabelten Zielwerten zu den Eingangsdaten bestehen. Während einer Trainingsprozedur werden die Algorithmen dann automatisch optimiert und versuchen die Zielwerte anhand der Eingangsdaten zu schätzen. Diese Arbeit befasst sich mit der automatischen Assoziation von Bildinhalten aus Kamera und Radarsensoren. Mit Hilfe dieser Assoziation lassen sich etwaige Daten der Kamera als Zielwert für das Training von maschinellen Lernverfahren auf Radardaten und umgekehrt verwenden. Der Benefit dieser Assoziation wird demonstriert an den Beispielen von trainierten Winkelschätzern, Zieldetektoren, semantischer Segmentierung von Radar-Spektren sowie einer Radar-Leistungsschätzung aus Kamerabildern.
AU  - Grimm, Christopher Tim Claudius
CY  - Paderborn
DA  - 2024
DO  - 10.17619/UNIPB/1-2109
DP  - Universität Paderborn
LA  - ger
N1  - Tag der Verteidigung: 12.09.2024
N1  - Universität Paderborn, Dissertation, 2024
PB  - Veröffentlichungen der Universität
PY  - 2024
SP  - 1 Online-Ressource (219 Seiten)
T2  - Institut für Elektrotechnik und Informationstechnik
TI  - Kreuzmodale Supervision für automotive Radar- und Kamerasensoren
TT  - Crossmodal supervision for automotive radar- and camera sensors
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-53171
Y2  - 2026-02-05T01:44:31
ER  -