Autonome Fahrzeuge stellen hochkomplexe, dynamische Systeme dar, für deren Verwirklichung die Forschungsergebnisse vieler Wissenschaftszweige zusammengeführt werden müssen. So sind für die Fahrzeugführung - insbesondere bei hohen Geschwindigkeiten - die Methoden der Regelungstechnik und Systemdynamik unverzichtbar. Zur Messung des Fahrzeugzustands und für die Wahrnehmung von Objekten in der Umgebung müssen die Signale unterschiedlichster Sensoren verarbeitet und fusioniert werden. Inertialsensoren, GPS-Sensoren, Radar und Echtzeitbildverarbeitung sind nur einige mögliche Informationsquellen für ein autonomes Fahrzeug. Mit zunehmender Anzahl von Fähigkeiten des autonomen Fahrzeugs erhöht sich auch die Notwendigkeit einer flexiblen, effizienten Situationsanalyse und Verhaltensentscheidung. Hier benötigt man geeignete Methoden zur Wissensrepräsentation, Verhaltensmodellierung und künstlichen Intelligenz. Die vorliegende Arbeit möchte eine Brücke zwischen den oben genannten Wissenschaftsbereichen sein. Sie stellt ein Gesamtsystem vor, welches es erlaubt, Bildverarbeitung, Fahrzeugführung, Situationsanalyse, Verhaltensentscheidung, Blickrichtungssteuerung und Missionsplanung im \"geschlossenen Kreis\" - d. h. mit Rückkopplung über die reale Welt - zu betreiben und zu testen, so dass alle Komponenten des Systems parallel verbessert werden können. Zu diesem Zweck entwickelte der Autor eine Verhaltensentscheidung für ein autonomes Bodenfahrzeug, welches aus mehreren Systemkomponenten besteht. So repräsentiert das sogenannte \"Fähigkeitennetz\" die einzelnen Fähigkeiten der Systemkomponenten mit ihren unterschiedlichen Abstraktionsgraden und deren Abhängigkeiten untereinander. Das Modul zur Situationsanalyse und Verhaltensentscheidung generiert situationsbeschreibende, linguistische Aussagen, wählt die repräsentierten Fähigkeiten situations- und zielgerecht aus und kontrolliert und koordiniert die Aktivitäten im System. Dabei beschreibt eine Bibliothek unscharfer Regeln das Sollverhalten des Fahrzeugs. Das in der Arbeit vorgestellte autonome Fahrzeug ist kein passiver Beobachter, sondern kann mit seinem multifokalen Fahrzeugauge (MARVEYE) und seiner aktiven Kameraplattform bestimmen, welche Information es über die Umwelt mit welcher Auflösung aufnimmt. Die Arbeit beschreibt den aktuellen Stand der Technik bezüglich der Entwicklung von aktiv sehenden Fahrzeugen und mobilen Robotern. Daraus geht hervor, dass das vorgestellte Kraftfahrzeug das erste seiner Art ist, welches über eine aktive Blickrichtungssteuerung verfügt, die die Bedürfnisse und Eigenschaften der verschiedenen Messprozesse und die Geometrien der wahrzunehmenden Objekte berücksichtigt. Der Autor versucht, die Implementierung der vorgestellten Konzepte möglichst erschöpfend dazustellen. Er bedient sich dazu der inzwischen allgemein anerkannten Unified Modeling Language (UML). Die Verifikation der Konzepte zur Situationsanalyse, Verhaltensentscheidung und Blickrichtungssteuerung geschieht im Rahmen von komplexen, autonomen Missionen, die mit dem Versuchsfahrzeug VAMORS in natürlicher Umgebung durchgeführt wurden. In diesen Missionen navigiert das Fahrzeug auf einem engen Wegenetz und auf unbefestigtem Gelände. Wichtige Elemente sind das autonome Abbiegen und das Ausweichen vor einem Graben.     «

Autonome Fahrzeuge stellen hochkomplexe, dynamische Systeme dar, für deren Verwirklichung die Forschungsergebnisse vieler Wissenschaftszweige zusammengeführt werden müssen. So sind für die Fahrzeugführung - insbesondere bei hohen Geschwindigkeiten - die Methoden der Regelungstechnik und Systemdynamik unverzichtbar. Zur Messung des Fahrzeugzustands und für die Wahrnehmung von Objekten in der Umgebung müssen die Signale unterschiedlichster Sensoren verarbeitet und fusioniert werden. Inertialsensor...     »

Autonomous vehicles have to interact with their environment in a very complex and dynamic manner. For the realization of such systems, the outcomes of many fields of research must be combined. For locomotion control - especially at high speed - the methods of control theory and system dynamics must be applied. Measuring the vehicle state and perceiving the objects in the environment require the fusion of signals generated by sensors with very different characteristics. Inertial sensors, GPS sensors, radar and real time image processing are only some sources of information for an autonomous vehicle. With an increasing number of capabilities of the autonomous vehicle, flexible and efficient modules for situation analysis and behavior decision become more and more relevant. It is here where suitable methods for knowledge representation, behavior modeling and artificial intelligence must be applied. This thesis wants to be a bridge between the fields of research listened above. A system is presented, which allows to run and test image processing, locomotion control, situation analysis, behavior decision and mission planing in a closed loop - this means with feedback from the real world - so that all system components can be improved in parallel. For this purpose, the author developed a behavior generation module for an autonomous ground vehicle. This module uses the so-called capability net, witch represents the functionality of the different system components with their abstraction levels and dependencies among each other. The module for situation analysis and behavior decision generates linguistic statements describing relevant situation aspects, selects capabilities being suitable for the current situation and mission and controls and coordinates the activities in the system. The vehicle´s behavior is determined by a library of fuzzy rules. The autonomous vehicle is not a passive observer. Instead, it can determine which environmental information is perceived with suitable resolution using a multi-focal vehicle eye - called MARVEYE - mounted on an active camera head. The thesis describes the state-of-the-art regarding the development of vehicles and mobile robots using \"Active Vision\". This survey shows, that the vehicle presented is the first one using active gaze control by evaluating the requirements and properties of different perception modules and the geometry of the objects to perceive. The author attempts to describe the concepts and implementations as completely as possible using the generally accepted Unified Modeling Language (UML). The verification of the concepts for situation analysis, behavior decision and viewing direction control is done within the scope of complex driving missions. In this missions, the experimental vehicle VAMORS navigates autonomously in natural environment on narrow, unmarked roads and off-road. Important elements are turn-off and evasion maneuvers.     «

Autonomous vehicles have to interact with their environment in a very complex and dynamic manner. For the realization of such systems, the outcomes of many fields of research must be combined. For locomotion control - especially at high speed - the methods of control theory and system dynamics must be applied. Measuring the vehicle state and perceiving the objects in the environment require the fusion of signals generated by sensors with very different characteristics. Inertial sensors, GPS sens...     »