Diese Arbeit befasst sich mit der Erkennung der Querungsintention von Fußgängern, um das Situationsbewusstsein zukünftig automatisiert fahrender Fahrzeuge zu verbessern. Auf Basis einer umfassenden Analyse bestehender Definitionen und Modelle zur menschlichen Intention wird der Begriff Fußgängerintention hierzu eindeutig definiert und ein Modell zur formalen Beschreibung der Erkennung der Querungsintention entwickelt. Dieses Modell bildet die Basis für den Entwurf eines Erkennungssystems, bei dem merkmalsbasierte Methoden des maschinellen Lernens unter Verwendung der Support Vector Regression eingesetzt werden. Dabei wird der nicht direkten Beobachtbarkeit der Intention mit dem Einsatz einer beobachterbasierten Videoannotationsmethode zur Bildung der Referenz begegnet. Die Leistungsfähigkeit des entwickelten Systems wird schließlich unter Verwendung realer Videodaten evaluiert.

eBook - PDF
Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld
- 265 Seiten
- German
- PDF
- Über iOS und Android verfügbar
eBook - PDF
Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld
Über dieses Buch
375,005 Studierende vertrauen auf uns
Zugang zu über 1 Million Titeln zu einem fairen monatlichen Preis.
Mit unseren Lerntools kannst du noch effizienter lernen.
Information
ISBN drucken
9783736978355
Auflage
2Inhaltsverzeichnis
- Kapitel 1 Einleitung
- 1.1 Motivation
- 1.2 Zielsetzung
- 1.3 Aufbau der Arbeit
- Kapitel 2 Hintergrund der Fußgängerintentionserkennung
- 2.1 Definitionen und Modelle der Intention
- 2.2 Beobachtbares Fußgängerverhalten
- 2.3 Erkennung und Vorhersage von Fußgängerverhalten
- 2.4 Referenzmethoden
- 2.5 Diskussion und Bewertung
- Kapitel 3 Hintergrund des maschinellen Lernens
- 3.1 Arten des maschinellen Lernens
- 3.2 Support Vector Machines (SVMs)
- 3.3 Beurteilung maschineller Lernverfahren
- 3.4 Visuelle Deskriptoren für Merkmalsbasiertes Lernen
- 3.5 Diskussion und Bewertung
- Kapitel 4 Referenzbildung durchbeobachterbasierte Videoannotation
- 4.1 Methode
- 4.2 Ergebnisse
- 4.3 Diskussion und Bewertung
- Kapitel 5 Algorithmus zur Erkennung der Querungsintention
- 5.1 Überblick
- 5.2 Kontextbasierte Erkennung der Querungsintention
- 5.3 Posenbasierte Erweiterung zur Erkennung der Querungsintention
- 5.4 Training und Anwendung der SVR
- Kapitel 6 Evaluation
- 6.1 Datenbasis
- 6.2 Evaluationsmethodik
- 6.3 Ergebnisse: Kreuzvalidierung
- 6.4 Ergebnisse: Kontextbasierter Ansatz
- 6.5 Ergebnisse: Posenbasierte Erweiterung
- Kapitel 7 Schlussfolgerung und Ausblick
- Literaturverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Abkürzungsverzeichnis
- Anhang A Details zur Berechnung der Beobachterreliabilität
- Anhang B Beobachterschulung und Beobachterbefragung
- Anhang C Details der Implementierung