Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug

Kreß, Viktor

dc.date.accessioned	2023-02-23T11:39:14Z
dc.date.available	2023-02-23T11:39:14Z
dc.date.issued	2023
dc.identifier	doi:10.17170/kobra-202212127213
dc.identifier.uri	http://hdl.handle.net/123456789/14436
dc.description	Zugleich: Dissertation, Universität Kassel, 2022
dc.language.iso	ger
dc.publisher	kassel university press
dc.rights	Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/4.0/	*
dc.subject	Informatik	ger
dc.subject	Maschinelles Lernen	ger
dc.subject	Autonomes Fahren	ger
dc.subject	Ungeschützte Verkehrsteilnehmer	ger
dc.subject	Intentionserkennung	ger
dc.subject	Trajektorienvorhersage	ger
dc.subject	Fußgänger	ger
dc.subject	Radfahrer	ger
dc.subject.ddc	380
dc.title	Posenbasierte Intentionserkennung von ungeschützten Verkehrsteilnehmern aus einem Fahrzeug	ger
dc.type	Buch
dcterms.abstract	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.	ger
dcterms.abstract	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.	eng
dcterms.accessRights	open access
dcterms.creator	Kreß, Viktor
dcterms.extent	XVIII, 234 Seiten
dc.contributor.corporatename	Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik	ger
dc.contributor.referee	Sick, Bernhard (Prof. Dr.)
dc.contributor.referee	Doll, Konrad (Prof. Dr.-Ing.)
dc.publisher.place	Kassel
dc.relation.isbn	978-3-7376-1092-6
dc.subject.swd	Maschinelles Lernen	ger
dc.subject.swd	Autonomes Fahrzeug	ger
dc.subject.swd	Fußgänger	ger
dc.subject.swd	Radfahrer	ger
dc.type.version	publishedVersion
dcterms.source.series	Intelligent Embedded Systems	eng
dcterms.source.volume	Band 23
kup.iskup	true
kup.order	https://www.genialokal.de/Produkt/Viktor-Kress/Posenbasierte-Intentionserkennung-von-ungeschuetzten-Verkehrsteilnehmern-aus-einem-Fahrzeug_lid_50253437.html
kup.price	39,00
kup.series	Intelligent Embedded Systems
kup.subject	Naturwissenschaft, Technik, Informatik, Medizin	ger
kup.typ	Dissertation
kup.institution	FB 16 / Elektrotechnik / Informatik
kup.binding	Softcover
kup.size	DIN A5
ubks.epflicht	true