Moderne Sensoren zur Umfelderkennung haben das charakteristische Merkmal mehrere Detektionen für ein einzelnes Objekt während eines einzigen Scans zu erzeugen.

Dies führt zu einer deutlichen Steigerung der Anforderungen an einen Objektverfolgungsalgorithmus, da die bisherigen Standardverfahren maximal eine Detektion pro Objekt berücksichtigen.



In der vorliegenden Arbeit werden zwei verschiedene Erweiterungen des Joint Integrated Probabilistic Data Association (JIPDA) Filters vorgeschlagen. Der erste Ansatz ist die allgemeingültige Ableitung des sogenannten Multi Detection - Joint Integrated Probabilistic Data Association Verfahrens, welches eine beliebige Anzahl von Detektionen basierend auf einem statischen Modell einem Objekt zuordnen kann.

Da es bei diesem Verfahren sehr leicht zu einer unlösbaren Anzahl an Assoziationshypothesen kommen kann, wird zusätzlich ein Approximationsverfahren vorgeschlagen um die Echtzeitfähigkeit des Algorithmus zu verbessern.

Der zweite Ansatz geht von der Annahme aus, dass die einzelnen Detektionen auf dem Zielobjekt näherungsweise ortsfest sind und damit auch die Anzahl der Detektionen genau vorhergesagt werden kann.

Dies ermöglicht die Anwendung des Standard JIPDA, für welches aber auch ein beschleunigtes Berechnungsverfahren erläutert wird um Echtzeitfähigkeit zu ermöglichen.

Die Wirksamkeit der präsentieren Algorithmen wird in umfassenden Simulationen als auch experimentell in Anwendungen im Straßenverkehr und in der Schifffahrt nachgewiesen.