Fahrzeugpose

Fahrzeugpose bezeichnet in der Robotik und der computer-vision die Position und Orientierung eines Fahrzeugs in einem Referenzkoordinatensystem. In der Praxis wird die Pose oft als 6-DoF beschrieben: drei Translationskomponenten x, y, z und drei Rotationskomponenten oder eine Orientierung in Form einer Quaternion bzw. Rotationsmatrix. Die Pose dient als Grundlage für Tracking, Lokalisierung und Planung in autonomen Fahrsystemen sowie für Verkehrsüberwachung und simulationsbasierte Anwendungen.

Datenquellen und Repräsentationen: Die Pose wird aus Sensordaten gewonnen, typischerweise aus Kameras, LiDAR, Radar oder Sensorfusion. Je nach System kann die Ausgabe relativ zur Kamera, zum Sensor oder global zur Karte erfolgen. Typische Repräsentationen sind 3D-Bounding Boxes, die neben Lage und Größe auch Orientierung angeben, sowie vollständige 3D-Transformationsdaten (Position und Rotation).

Estimation und Methoden: Die Estimation reicht von geometrisch-regelbasierten Verfahren bis zu datengetriebenen Ansätzen. Klassische Methoden nutzen 3D-Geometrie, Relationen zwischen Sichtlinien und Objektformen, Kalman-Filter-basiertes Tracking oder Optimierung über mehrere Sichtfelder. Moderne Ansätze setzen auf Deep-Learning-Modelle, die Pose direkt aus Bildern oder Punktwolken regressieren, oft in Kombination mit Sensorfusion. Die Fusion von Kamera- und LiDAR-Pose verbessert Robustheit gegenüber Occlusion und Sensorrauschen.

Anwendungen, Herausforderungen und Evaluation: Fahrzeugpose wird für Umfeldverständnis, Spurenverfolgung, Kollisionsvermeidung und Trajektorienplanung eingesetzt. Herausforderungen liegen in Occlusion, Beleuchtung, Variabilität der Fahrzeugmodelle und realistischen Szenarien. Typische Evaluationen verwenden Translationserror, Rotationsfehler oder 3D-IOU sowie spezifische Metriken wie ADD-S für 3D-Bounding Boxes. Wichtige Datensätze sind KITTI, nuScenes und Waymo Open Dataset.