Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Offline Sensor Fusion for Multitarget Tracking using Radar and Camera Detection
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Off-line sensorfusion för tracking av flera objekt med kamera och radardetektioner (Swedish)
Abstract [en]

Autonomous driving systems are rapidly improving and may have the ability to change society in the coming decade. One important part of these systems is the interpretation of sensor information into trajectories of objects. In this master’s thesis, we study an energy minimisation method with radar and camera measurements as inputs.

An energy is associated with the trajectories; this takes the measurements, the objects’ dynamics and more factors into consideration. The trajectories are chosen to minimise this energy, using a gradient descent method. The lower the energy, the better the trajectories are expected to match the real world. The processing is performed offline, as opposed to in real time. Offline tracking can be used in the evaluation of the sensors’ and the real time tracker’s performance. Offline processing allows for the use of more computer power. It also gives the possibility to use data that was collected after the considered point in time.

A study of the parameters of the used energy minimisation method is presented, along with variations of the initial method. The results of the method is an improvement over the individual inputs, as well as over the real time processing used in the cars currently. In the parameter study it is shown which components of the energy function are improving the results.

Abstract [sv]

Mycket resurser läggs på utveckling av självkörande bilsystem. Dessa kan komma att förändra samhället under det kommande decenniet. En viktig del av dessa system är behandling och tolkning av sensordata och skapande av banor för objekt i omgivningen. I detta examensarbete studeras en energiminimeringsmetod tillsammans med radar- och kameramätningar.

En energi beräknas för banorna. Denna tar mätningarna, objektets dynamik och fler faktorer i beaktande. Banorna väljs för att minimera denna energi med hjälp av gradientmetoden. Ju lägre energi, desto bättre förväntas banorna att matcha verkligheten. Bearbetning sker offline i motsats till i realtid; offline-bearbetning kan användas då prestandan för sensorer och realtidsbehandlingen utvärderas. Detta möjliggör användning av mer datorkraft och ger möjlighet att använda data som samlats in efter den aktuella tidpunkten.

En studie av de ingående parametrarna i den använda energiminimeringsmetoden presenteras, tillsammans med justeringar av den ursprungliga metoden. Metoden ger ett förbättrat resultat jämfört med de enskilda sensormätningarna, och även jämfört med den realtidsmetod som används i bilarna för närvarande. I parameterstudien visas vilka komponenter i energifunktionen som förbättrar metodens prestanda.

Place, publisher, year, edition, pages
2017.
Keyword [en]
Sensor Fusion, Energy Minimisation, Multitarget Tracking, Autonomous Vehicles
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-208344OAI: oai:DiVA.org:kth-208344DiVA: diva2:1105742
External cooperation
Volvo Personvagnar AB
Educational program
Master of Science in Engineering -Engineering Physics
Supervisors
Examiners
Available from: 2017-06-05 Created: 2017-06-05 Last updated: 2017-06-05Bibliographically approved

Open Access in DiVA

fulltext(3518 kB)71 downloads
File information
File name FULLTEXT01.pdfFile size 3518 kBChecksum SHA-512
d1404f17072e52bb803b24ce8b0093018675f37309db350353e9e21a72b7ecd775f8c294d18c594ae0c33f6b2ac2e5ca83c6f3d55b3d0163d7a49946d6ad2f2c
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 71 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 140 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf