Landmark-based Localization for Autonomous Vehicles

Abstract

Autonomous transportation will lead to major benefits in safety, economy and ecology. Although the associated technology has been an active field of research in the last decades, some problems have not been fully solved yet. Robust and efficient localization is a key component especially in urban scenarios. This thesis deals with the design and development of a system for landmark-based localization in urban scenarios suitable for autonomous driving. The sensor input is limited to a stereo camera pair, vehicle odometry and an off-the-shelf GPS. Prior knowledge in the form of a landmark map is also available. Pole-like structures are identified as robust, long-term stable and common three-dimensional landmarks in urban scenarios. These are easily detectable by a stereo camera and are used as primary landmarks. In comparison to lane markers they have a lower occlusion probability and lower change rate. As pole-like structures can be rather small, a high quality depth reconstruction is crucial for robust detection. Several contributions are made in the field of automotive stereo vision, targeting long-term stability, robustness and efficiency. A new matching cost is presented and Semi-Global Matching is modified to become more reliable and more scalable. A robust extraction method for pole-like landmarks is introduced. The localization method proposed uses particle filters and the complete processing chain from feature extraction to processing a latency corrected vehicle pose output is covered. Field tests with an autonomous vehicle in urban environments and accuracy measures derived from real-driving data demonstrate the performance of the approach.

Das autonome Transportwesen wird zu deutlichen Vorteilen im Bereich der Sicherheit, Ökonomie und Ökologie führen. Obwohl die dafür notwendige Technologie schon seit mehreren Dekaden ein lebhaftes Forschungsfeld ist, sind noch einige Probleme nicht vollständig gelöst. Die robuste und effiziente Lokalisierung ist eine Kernkomponente speziell in urbanen Anwendungsfällen. Diese Arbeit beschäftigt sich mit dem Entwurf und der Entwicklung eines Systems für landmarkenbasierte Lokalisierung im urbanen Umfeld, die für autonomes Fahren geeignet ist. Die genutzte Sensorik wird hierbei auf ein Stereokamerapaar, Fahrzeugodometrie und einen normalen GPS-Empfänger beschränkt. Vorwissen in Form einer Karte mit Landmarken ist ebenfalls verfügbar. Pfahlartige Strukturen werden als robuste, langzeitstabile und verbreitete Landmarken in urbanen Räumen identifiziert und als primäre Landmarke verwendet, die leicht durch Stereokameras detektiert werden können. Im Vergleich zu Straßenmarkierungen haben sie eine geringere Verdeckungswahrscheinlichkeit und Änderungsrate. Da sie relativ schmal sein können, ist eine hochqualitative Tiefenrekonstruktion elementar für eine verläßliche Detektion. Mehrere Verbesserungen im Bereich der Stereoverarbeitung für die Anwendung in autonomen Fahrzeugen werden vorgestellt. Dabei werden Fragen der Langzeitstabilität, Robustheit und Effizienz addressiert. Ein neues Ähnlichkeitsmaß für dichtes Stereo Matching wird präsentiert und Semi-Global Matching modifiziert, um verlässlicher und skalierbarer zu werden. Eine robuste Detektion für pfahlartige Strukturen wird eingeführt. Die vorgeschlagene Lokalisierungsmethode benutzt Partikelfilter. Dabei wird die komplette Verarbeitskette, von der Landmarkenextraktion bis zur Berechnung einer latenzkorrigierten Ausgabe abgedeckt. Feldtests mit einem autonomen Fahrzeug in urbanen Umgebungen und auf echten Fahrsituationen beruhende Genauigkeitsmaße zeigen die Leistung des Ansatzes.