Die Realisierung des autonomen Fahrens erfordert eine besonders präzise Lokalisierung in städtischen Umgebungen. Als Unterstützung einer gängigen Fusion aus GNSS und IMU setzt dieses Forschungsprojekt zusätzlich auf einen kostengünstigen LiDAR-Sensor, welcher durch Punkt-zu-Kartenzuordnung die Position und Orientierung für diskrete Zeitschritte bereitstellt. In dem filterbasierten Ansatz werden die kontinuierlich gemessenen Punkte in eine hochauflösende und akkurate Karte bestehend aus Ebenen (Gebäude- und Straßenabschnitte) und zylinderförmigen Stangenobjekten überführt und Bestandteilen zugeordnet. Die vorliegenden Abweichungen werden für die epochenweise Verbesserung des Prädiktionsschritts verwendet. Um die Laufzeit gering zu halten, wird ein Algorithmus eingesetzt, der einen kleinen Anteil an positionierungsrelevanten LiDAR Punkten auswählt. Außerdem wird mit benachbarten Fahrzeugen über ein bildbasiertes Verfahren kollaboriert, indem Merkmalspunkte anhand eines KI-basierten Detektionsansatzes extrahiert werden. Dies kann die Schätzung z.B. bei dichtem Verkehrsaufkommen stabilisieren, wenn die LiDAR-Plattform zu einem großen Teil Abschattung erfährt. Für diesen Ansatz ist ein Austausch der Zustände und individueller Merkmale unerlässlich. 

Diese Forschung wurde bis zum 30. November 2025 von der DFG im Graduiertenkolleg i.c.sens (RTG 2159) unterstützt.