Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Maschinelle Lernverfahren zur videobasierten Intentionserkennung von Radfahrern mit stationären Kameras

BuchKartoniert, Paperback
216 Seiten
Deutsch
Kassel University Presserschienen am15.06.2022
Im Verkehr der Zukunft werden sich immer mehr automatisierte Fahrzeuge die Straße mit Radfahrern teilen. Um eine sichere Interaktion zu gewährleisten, müssen automatisierte Fahrzeuge neben der aktuellen Position eines Radfahrers auch dessen zukünftige Positionen schätzen. Während moderne Fahrzeuge mit Fahrerassistenzsystemen ausgestattet sind, kommt es besonders an dicht befahrenen Knotenpunkten, wie innerstädtischen Verkehrskreuzungen, häufig zu Verdeckungssituationen durch andere Verkehrsteilnehmer. Diese Situationen können durch infrastrukturbasierte Kamerasaufgelöst werden. Durch höhergelegene Anbringungsorte der Kameras können Verdeckungssituationen vermieden und eine hochgenaue Modellierung des Fahrzeugumfeldes generiert werden.In der vorliegenden Arbeit werden maschinelle Lernverfahren zur videobasierten Intentionserkennung bei Radfahrern entwickelt und evaluiert. Die für die Untersuchungen verwendeten Videodaten werden durch einWeitwinkel-Stereokamerasystem, bestehend aus zwei hochauflösenden Kameras, erfasst. Ziel ist die Intentionserkennung bei Radfahrern. Hierzu zählen sowohl die Detektion des Bewegungszustandes des Radfahrers, wie z. B. Warten oder Losfahren als auch die Vorhersage der zukünftigen Positionen. Zu den Kernthemen der Arbeit gehören die Einbeziehung von Videodaten in den Intentionserkennungsprozess, die Verwendung von geschätzten Bewegungszuständen zur Verbesserung der Trajektorienprädiktion und die Entwicklung von probabilistischen Verfahren zur Trajektorienprädiktion. Durch die Einbeziehung von Videodaten wurden in den Bereichen der Bewegungszustandsdetektion und der Trajektorienprädiktion deutliche Verbesserungen im Vergleich zu positionsbasierten Methoden erzielt. Im Bereich der probabilistischen Trajektorienprädiktion konnte durch die Kombination aus Bewegungszustandsdetektion und Trajektorienprädiktion ein Verfahren entwickelt werden, welches den aktuellen Stand der Technik übertrifft.mehr

Produkt

KlappentextIm Verkehr der Zukunft werden sich immer mehr automatisierte Fahrzeuge die Straße mit Radfahrern teilen. Um eine sichere Interaktion zu gewährleisten, müssen automatisierte Fahrzeuge neben der aktuellen Position eines Radfahrers auch dessen zukünftige Positionen schätzen. Während moderne Fahrzeuge mit Fahrerassistenzsystemen ausgestattet sind, kommt es besonders an dicht befahrenen Knotenpunkten, wie innerstädtischen Verkehrskreuzungen, häufig zu Verdeckungssituationen durch andere Verkehrsteilnehmer. Diese Situationen können durch infrastrukturbasierte Kamerasaufgelöst werden. Durch höhergelegene Anbringungsorte der Kameras können Verdeckungssituationen vermieden und eine hochgenaue Modellierung des Fahrzeugumfeldes generiert werden.In der vorliegenden Arbeit werden maschinelle Lernverfahren zur videobasierten Intentionserkennung bei Radfahrern entwickelt und evaluiert. Die für die Untersuchungen verwendeten Videodaten werden durch einWeitwinkel-Stereokamerasystem, bestehend aus zwei hochauflösenden Kameras, erfasst. Ziel ist die Intentionserkennung bei Radfahrern. Hierzu zählen sowohl die Detektion des Bewegungszustandes des Radfahrers, wie z. B. Warten oder Losfahren als auch die Vorhersage der zukünftigen Positionen. Zu den Kernthemen der Arbeit gehören die Einbeziehung von Videodaten in den Intentionserkennungsprozess, die Verwendung von geschätzten Bewegungszuständen zur Verbesserung der Trajektorienprädiktion und die Entwicklung von probabilistischen Verfahren zur Trajektorienprädiktion. Durch die Einbeziehung von Videodaten wurden in den Bereichen der Bewegungszustandsdetektion und der Trajektorienprädiktion deutliche Verbesserungen im Vergleich zu positionsbasierten Methoden erzielt. Im Bereich der probabilistischen Trajektorienprädiktion konnte durch die Kombination aus Bewegungszustandsdetektion und Trajektorienprädiktion ein Verfahren entwickelt werden, welches den aktuellen Stand der Technik übertrifft.