Description
(Short description)
Künftige Fahrerassistenzsysteme und hochautomatisierte Fahrfunktionen basieren auf digitalen Karten. Um den hohen Anforderungen an die Korrektheit und Aktualität der enthaltenen Informationen gerecht zu werden, stellt die vorliegende Arbeit neuartige automatisierte Verfahren zur Extraktion aktueller Karteninformationen aus Flottendaten vor. Der Fokus liegt dabei auf der Inferenz von statischen Kreuzungsinformationen mittels maschinellen Lernens und statistischer Verfahren. The next generation of driver assistance systems and highly automated driving functions are based on digital maps. In order to meet the high requirements on the correctness and up-to-dateness of this information, this work presents new automated methods to extract up-to-date map information from fleet data. The focus is on the inference of static intersection information from fleet data through machine learning and statistical methods.
(Text)
Künftige Fahrerassistenzsysteme und hochautomatisierte Fahrfunktionen basieren auf digitalen Karten. Um den hohen Anforderungen an die Korrektheit und Aktualität der enthaltenen Informationen gerecht zu werden, stellt die vorliegende Arbeit neuartige automatisierte Verfahren zur Extraktion aktueller Karteninformationen aus Flottendaten vor. Der Fokus liegt dabei auf der Inferenz von statischen Kreuzungsinformationen mittels maschinellen Lernens und statistischer Verfahren. The next generation of driver assistance systems and highly automated driving functions are based on digital maps. In order to meet the high requirements on the correctness and up-to-dateness of this information, this work presents new automated methods to extract up-to-date map information from fleet data. The focus is on the inference of static intersection information from fleet data through machine learning and statistical methods.
