Datum
2023Autor
Kreß, ViktorSchlagwort
380 Handel, Kommunikation, Verkehr Maschinelles LernenAutonomes FahrzeugFußgängerRadfahrerMetadata
Zur Langanzeige
Buch
Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug
Zusammenfassung
Um die Sicherheit, Effizienz und den Komfort im Straßenverkehr zu steigern, werden in Zukunft vermehrt Fahrerassistenzsysteme und teil- oder vollautomatisierte Fahrzeuge zum Einsatz kommen. Solche Systeme müssen durch vorausschauendes Fahren in der Lage sein, mit Fußgängern und Radfahrern umzugehen. Dazu bedarf es einer Erkennung ihrer Intention und einer Vorhersage ihres Verhaltens in der unmittelbaren Zukunft mithilfe von fahrzeugeigener Sensorik. Diese Arbeit widmet sich der Intentionserkennung von Fußgängern und Radfahrern im Straßenverkehr aus einem Fahrzeug. Unter der Intentionserkennung werden dabei sowohl die Detektion des Bewegungszustandes, wie beispielsweise Bewegen oder Warten, als auch die Vorhersage zukünftiger Aufenthaltsorte verstanden. Es werden maschinelle Lernverfahren zur Intentionserkennung auf Grundlage beobachteter Körperbewegungen und der lokalen Umgebung entwickelt. Der Schwerpunkt der Arbeit liegt auf der Untersuchung von sog. Posen, eine Repräsentation der Körperhaltung von Fußgängern und Radfahrern, als Indikatoren für das (zukünftige) Verhalten. Dazu wird ein Verfahren zur bildbasierten Schätzung der Posen aus einem fahrenden Fahrzeug vorgestellt und evaluiert. Ein im realen Straßenverkehr aufgezeichneter Datensatz bildet die Grundlage für die Entwicklung von posenbasierten Methoden zur Bewegungszustandsdetektion, deterministischer und probabilistischer Trajektorienvorhersage. Weitere Forschungsaspekte dieser Arbeit sind die Analyse des Einflusses der Beobachtungsdauer auf die Qualität der Intentionserkennung und die Einbeziehung der Umgebung in Form von Karten. Die Untersuchungen dieser Arbeit belegen eine signifikante Reduktion des Fehlers durch die Berücksichtigung der Körperhaltung gegenüber einer Intentionserkennung ausschließlich basierend auf dem vergangenen Bewegungspfad für Fußgänger und Radfahrer. Als Verhaltensindikatoren dienen dabei vorwiegend die Bewegungen der Beine und die Neigung des Rumpfes.
In order to increase the safety, efficiency, and comfort in road traffic, driver assistance systems and semi- or fully automated vehicles will be increasingly used in the future. Such systems must be able to deal with pedestrians and cyclists through predictive driving. This requires a detection of their intentions and a forecast of their behavior in the near future with the help of sensors integrated into the vehicle. This work is dedicated to intention detection of pedestrians and cyclists in road traffic from a vehicle. Intention detection in this context refers to the detection of motion states, such as moving or waiting, and the forecast of future positions. Therefore, machine learning methods based on body movements and the local surroundings are developed. The presented work focuses mainly on the use of so-called poses, a representation of the body posture of pedestrians and cyclists, as indicators of the (future) behavior. To do so, a method for image-based estimation of poses from a moving vehicle is presented and evaluated. A data set recorded in real road traffic is the foundation for the development of pose based methods for motion state detection, deterministic, and probabilistic trajectory forecasting. Other research aspects include an analysis of the influence of the observation period on the quality of the intention detection and the consideration of the surroundings represented in the form of maps. The research in this work proves a significant reduction of the error by taking the body posture into account compared to an intention detection based solely on the past motion path for pedestrians and cyclists. Important indicators for the behavior are the movements of the legs and the tilt of the torso.
Zusätzliche Informationen
Zugleich: Dissertation, Universität Kassel, 2022Druckausgabe
Link zu kassel university pressZitieren
@book{doi:10.17170/kobra-202212127213,
author={Kreß, Viktor},
title={Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug},
publisher={kassel university press},
year={2023}
}
0500 Oax 0501 Text $btxt$2rdacontent 0502 Computermedien $bc$2rdacarrier 1100 2023$n2023 1500 1/ger 2050 ##0##http://hdl.handle.net/123456789/14436 3000 Kreß, Viktor 4000 Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug / Kreß, Viktor 4030 4060 Online-Ressource 4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/14436=x R 4204 \$dBuch 4170 5550 {{Maschinelles Lernen}} 5550 {{Autonomes Fahrzeug}} 5550 {{Fußgänger}} 5550 {{Radfahrer}} 7136 ##0##http://hdl.handle.net/123456789/14436
2023-02-23T11:39:14Z 2023-02-23T11:39:14Z 2023 doi:10.17170/kobra-202212127213 http://hdl.handle.net/123456789/14436 Zugleich: Dissertation, Universität Kassel, 2022 ger kassel university press Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International http://creativecommons.org/licenses/by-sa/4.0/ Informatik Maschinelles Lernen Autonomes Fahren Ungeschützte Verkehrsteilnehmer Intentionserkennung Trajektorienvorhersage Fußgänger Radfahrer 380 Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug Buch Um die Sicherheit, Effizienz und den Komfort im Straßenverkehr zu steigern, werden in Zukunft vermehrt Fahrerassistenzsysteme und teil- oder vollautomatisierte Fahrzeuge zum Einsatz kommen. Solche Systeme müssen durch vorausschauendes Fahren in der Lage sein, mit Fußgängern und Radfahrern umzugehen. Dazu bedarf es einer Erkennung ihrer Intention und einer Vorhersage ihres Verhaltens in der unmittelbaren Zukunft mithilfe von fahrzeugeigener Sensorik. Diese Arbeit widmet sich der Intentionserkennung von Fußgängern und Radfahrern im Straßenverkehr aus einem Fahrzeug. Unter der Intentionserkennung werden dabei sowohl die Detektion des Bewegungszustandes, wie beispielsweise Bewegen oder Warten, als auch die Vorhersage zukünftiger Aufenthaltsorte verstanden. Es werden maschinelle Lernverfahren zur Intentionserkennung auf Grundlage beobachteter Körperbewegungen und der lokalen Umgebung entwickelt. Der Schwerpunkt der Arbeit liegt auf der Untersuchung von sog. Posen, eine Repräsentation der Körperhaltung von Fußgängern und Radfahrern, als Indikatoren für das (zukünftige) Verhalten. Dazu wird ein Verfahren zur bildbasierten Schätzung der Posen aus einem fahrenden Fahrzeug vorgestellt und evaluiert. Ein im realen Straßenverkehr aufgezeichneter Datensatz bildet die Grundlage für die Entwicklung von posenbasierten Methoden zur Bewegungszustandsdetektion, deterministischer und probabilistischer Trajektorienvorhersage. Weitere Forschungsaspekte dieser Arbeit sind die Analyse des Einflusses der Beobachtungsdauer auf die Qualität der Intentionserkennung und die Einbeziehung der Umgebung in Form von Karten. Die Untersuchungen dieser Arbeit belegen eine signifikante Reduktion des Fehlers durch die Berücksichtigung der Körperhaltung gegenüber einer Intentionserkennung ausschließlich basierend auf dem vergangenen Bewegungspfad für Fußgänger und Radfahrer. Als Verhaltensindikatoren dienen dabei vorwiegend die Bewegungen der Beine und die Neigung des Rumpfes. In order to increase the safety, efficiency, and comfort in road traffic, driver assistance systems and semi- or fully automated vehicles will be increasingly used in the future. Such systems must be able to deal with pedestrians and cyclists through predictive driving. This requires a detection of their intentions and a forecast of their behavior in the near future with the help of sensors integrated into the vehicle. This work is dedicated to intention detection of pedestrians and cyclists in road traffic from a vehicle. Intention detection in this context refers to the detection of motion states, such as moving or waiting, and the forecast of future positions. Therefore, machine learning methods based on body movements and the local surroundings are developed. The presented work focuses mainly on the use of so-called poses, a representation of the body posture of pedestrians and cyclists, as indicators of the (future) behavior. To do so, a method for image-based estimation of poses from a moving vehicle is presented and evaluated. A data set recorded in real road traffic is the foundation for the development of pose based methods for motion state detection, deterministic, and probabilistic trajectory forecasting. Other research aspects include an analysis of the influence of the observation period on the quality of the intention detection and the consideration of the surroundings represented in the form of maps. The research in this work proves a significant reduction of the error by taking the body posture into account compared to an intention detection based solely on the past motion path for pedestrians and cyclists. Important indicators for the behavior are the movements of the legs and the tilt of the torso. open access Kreß, Viktor XVIII, 234 Seiten Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik Sick, Bernhard (Prof. Dr.) Doll, Konrad (Prof. Dr.-Ing.) Kassel 978-3-7376-1092-6 Maschinelles Lernen Autonomes Fahrzeug Fußgänger Radfahrer publishedVersion Intelligent Embedded Systems Band 23 true https://www.genialokal.de/Produkt/Viktor-Kress/Posenbasierte-Intentionserkennung-von-ungeschuetzten-Verkehrsteilnehmern-aus-einem-Fahrzeug_lid_50253437.html 39,00 Intelligent Embedded Systems Naturwissenschaft, Technik, Informatik, Medizin Dissertation FB 16 / Elektrotechnik / Informatik Softcover DIN A5 true
Die folgenden Lizenzbestimmungen sind mit dieser Ressource verbunden: