Effiziente GPU-basierte Klassifizierung von Fahrspuren auf eingebetteten Echtzeitsystemen

Abstract

In dieser Arbeit wird ein Algorithmus zur Erkennung und Klassifizierung von Fahrspurmarkierungen aus LiDAR-Daten entwickelt. Damit dieser für die Umsetzung eines Autobahnpiloten genutzt werden kann, muss er robust sein und außerdem in Echtzeit auf einer NVIDIA AGX Xavier Platform laufen. Um dies zu erreichen wird der Algorithmus auf einer GPU beschleunigt und optimiert. Die mittlere Laufzeit konnte dabei auf 7 ms reduziert werden, ohne Robustheit einzubüßen. Es wird darauf geachtet, dass der Algorithmus leicht erweiterbar ist und schnell an veränderte Voraussetzungen angepasst werden kann.

In this thesis an algorithm to detect and classify lane markings based on lidar data is developed. To be used for realizing a highway pilot application, it has to be robust and run in realtime on an NVIDIA AGX Xavier platform. To achieve this, the algorithm is accelerated and optimized on a GPU. The average runtime was reduced to 7 ms, without compromising on robustness. Care is beeing taken that the algorithm can easily be extended and quickly be adapted to updated requirements.