TY - JOUR A1 - Köhler, Sebastian A1 - Goldhammer, Michael A1 - Bauer, Sebastian A1 - Zecha, Stephan A1 - Doll, Konrad A1 - Brunsmann, Ulrich A1 - Dietmayer, Klaus T1 - Stationary Detection of the Pedestrian's Intention at Intersections JF - IEEE Intelligent Transportation Systems Magazine KW - Fahrerassistenzsystem KW - Fußgänger Y1 - 2013 SN - 1939-1390 VL - 2013 IS - 5 SP - 87 EP - 99 ER - TY - CHAP A1 - Hahn, Stefan A1 - Zindler, Klaus A1 - Doll, Konrad A1 - Jumar, Ulrich T1 - New Control Scheme for a Lane-Keeping Evasive Maneuver Exploiting the Free Space Optimally T2 - Proceedings of the 20th International Conference on Methods and Models in Automation and Robotics,Miedzyzdroje, Poland, 24-27 August, 2015 KW - Fahrerassistenzsystem Y1 - 2015 SP - 856 EP - 861 ER - TY - GEN A1 - Brunsmann, Ulrich A1 - Doll, Konrad A1 - Hellert, Christian A1 - Kempf, Johannes A1 - Köhler, Sebastian A1 - Saxen, Frerk A1 - Weimer, Daniel T1 - Intelligente Verkehrssicherheits- und Informationssysteme T2 - Safety Expo, Aschaffenburg N2 - Poster KW - Verkehrssicherheit Y1 - 2010 N1 - Posterpräsentation und Echtzeitdemonstration ER - TY - GEN A1 - Bauer, Sebastian A1 - Brunsmann, Ulrich A1 - Doll, Konrad A1 - Duttine, Thomas A1 - Schlotterbeck-Macht, Stefan T1 - Kompetenz in Kreuzungsassistenz T2 - Safety Expo, Aschaffenburg N2 - Poster Y1 - 2009 ER - TY - CHAP A1 - Köhler, Sebastian A1 - Doll, Konrad A1 - Kebinger, Sophie A1 - Schmitt, Daniel A1 - Kröhn, Michael A1 - Fried, Maik A1 - Börsig, Rainer T1 - Prozessinnovation: Hochautomatisiert lernendes Assistenzsystem für die manuelle Montage N2 - Trotz hoher Automatisierungsgrade in der produzierenden Industrie, sind manuelle Montageprozesse durch den Menschen, sei es aufgrund der geforderten Flexibilität, insbesondere bei kleinen Losgrößen oder der erforderlichen Präzision, unverzichtbar. Um eine hohe Produktivität und niedrige Ausschussraten zu gewährleisten, ist es sinnvoll, den Menschen in seiner Montagetätigkeit zu unterstützen oder zu entlasten. Intelligente Assistenzsysteme können den Menschen dahingehend unterstützen, dass sie bspw. schwere Tätigkeiten kollaborativ übernehmen, Prozesse gezielt steuern oder Informationen bei Bedarf kontextsensitiv bereitstellen. In diesem Beitrag wird das Konzept eines intelligent hochautomatisiert lernenden Assistenzsystems vorgestellt, dessen Ziel es ist, anhand von bereits gelernten Abläufen an einem manuellen Montagearbeitsplatz fehlerhafte Abläufe zu erkennen oder neue valide Abläufe hochautomatisiert und unüberwacht zu lernen. Manuelle Montageprozesse bestehen aus Abfolgen von Handgriffen. Diese Handgriffe werden vom Assistenzsystem als Gesten erkannt und verarbeitet, sodass der Gesamtablauf in Teilschritte zerlegt werden kann. Weiterhin soll dieses Assistenzsystem Informationen zur Behebung des Fehlers direkt am Arbeitsplatz verfügbar machen. Das Assistenzsystem, dessen Architektur in Abb. 1 dargestellt ist, besteht aus einem zustandsgesteuerten, lernenden Steuersystem mit einem Microsoft Kinect-v2-Sensor, der den Arbeitsplatz aus der Überkopfperspektive erfasst und die Montageschritte erkennt. Da das Grundprinzip des Assistenzsystems in der Langzeitbeobachtung und –unterstützung der Montagetätigkeit liegt, werden die kontinuierlich aggregierten Daten zur Erweiterung und Verbesserung des Assistenzsystems genutzt. Es lernt somit hochautomatisiert neue oder abgewandelte Montageabläufe. Hieraus ergibt sich eine Herausforderung an die Bewertung der Güte eines solchen Systems. Während eine hohe Erkennungsrate der einzelnen Aktivitäten innerhalb eines Montageablaufs unabdingbar ist, wird für das vorgeschlagene System darüber hinaus gefordert, dass komplette Abläufe korrekt, d.h. in der richtigen Reihenfolge ohne einzelne Falschklassifikationen, erkannt werden. Nur hierdurch lassen sich real geänderte Abläufe hochautomatisiert und unüberwacht im Zustandsautomat des Steuersystems online einlernen. T2 - Konferenz für Angewandte Automatisierungstechnik in Lehre und Entwicklung (AALE), 2018 KW - Automatisierungstechnik KW - Montage Y1 - 2018 SN - 978-3-8007-4522-7 SP - 153 EP - 164 CY - Köln ER - TY - CHAP A1 - Hock, Sascha A1 - Hahnle, Michael A1 - Doll, Konrad T1 - Fusion von Fußgängererkennungen auf FPGAs T2 - 55. Workshop der Multiprojekt-Chip-Gruppe Baden-Württemberg N2 - Viele Verfahren zur Erkennung von Objekten, beispielsweise Fußgängern, in Bildern benutzen das Sliding-Window-Prinzip. Dabei wird ein Fenster von links oben nach rechts unten über das Bild verschoben. Für jedes dieser Fenster wird geprüft, ob es ein zu erkennendes Objekt beinhaltet. Ein Klassifikator liefert dann häufig positive Ergebnisse für mehrere benachbarte Fenster, die einem einzelnen Objekt zugeordnet werden können. Durch den Einsatz von unterschiedlichen Skalenstufen wird dieser Effekt weiter verstärkt. Bei der Detektion von Objekten ist daher eine Fusion dieser Mehrfacherkennungen zu einer einzelnen aussagekräftigen Detektion pro Objekt eine entscheidende Komponente. Des Weiteren müssen sporadisch auftauchende Falscherkennungen eliminiert werden. Diese Fusion von Detektionsergebnissen ist in der bildbasierten Objekterkennung ein wichtiger Verarbeitungsschritt und wird häufig auch als Non Maximum Suppression (NMS) bezeichnet. Eine robuste Fusion von Fußgängerdetektionen kann beispielsweise als Grundlage für ein automobiles Fußgängerwarnsystem oder auch für die Absichtserkennung von Personen im Straßenverkehr genutzt werden. Da diese Systeme Echtzeitanforderungen unterliegen, ist hierfür eine schnelle Berechnung erforderlich. In dieser Arbeit wird die erste, den Autoren bekannte, rein FPGA basierte Implementierung vorgestellt. Sie ist in der Lage, die Erkennungsergebnisse mehrerer paralleler Skalenstufen in Echtzeit zu fusionieren. Auf einem Kintex-7 FPGA eines Xilinx Zynq SoCs ist damit eine Verarbeitung von mehr als 100 Bildern pro Sekunde mit einer Auflösung von 1280 x 720 Pixel möglich. Die Genauigkeit der FPGA-Implementierung ist dabei mit der einer auf OpenCV basierenden Softwareanwendung vergleichbar. KW - Field programmable gate array KW - Objekterkennung Y1 - 2016 ER - TY - CHAP A1 - Köhler, Sebastian A1 - Goldhammer, Michael A1 - Zindler, Klaus A1 - Doll, Konrad A1 - Dietmayer, Klaus T1 - Stereo-Vision-Based Pedestrian's Intention Detection in a Moving Vehicle T2 - Intelligent Transportation Systems (ITSC), 2015 IEEE 18th International Conference on N2 - We present a method to detect starting, stopping and bending in intentions of pedestrians from a moving vehicle based on stereo-vision. The method focuses on urban scenarios where these pedestrian movements are common and may result in critical situations. Pedestrian intentions are determined by means of an image-based motion contour histogram of oriented gradient descriptor. It is based on silhouettes gathered from stereo data and does not require any compensation of appearance changes resulting from the ego-motion of a vehicle. Nevertheless, it covers small movements indicating a pedestrian’s intention. A linear support vector machine with probabilistic estimates is used for classification. We evaluated our method on the publicly available Daimler Pedestrian Path Prediction Benchmark Dataset containing detections of a stateof-the-art pedestrian detector. We detect a pedestrian’s stopping intention from 125 ms to 500 ms before standing still within an accuracy range of 80% to 100%. Bending in is detected from 320 ms to 570 ms after a first visible lateral body movement in the same accuracy range. The intention to cross the road from standing still (starting) is detected 250 ms after the first visible motion and, therefore, within the first step with an accuracy of 100%. KW - Image Motion Analysis KW - Stereo Image Processing KW - Pedestrian Safety KW - Bildfolgenanalyse Y1 - 2015 U6 - https://doi.org/10.1109/ITSC.2015.374 SP - 2317 EP - 2322 ER - TY - CHAP A1 - Goldhammer, Michael A1 - Köhler, Sebastian A1 - Doll, Konrad A1 - Sick, Bernhard T1 - Camera Based Pedestrian Path Prediction by Means of Polynomial Least-squares Approximation and Multilayer Perceptron Neural Networks T2 - SAI Intelligent Systems Conference (IntelliSys), 2015 N2 - This paper provides a method to forecast pedestrian trajectories by means of polynomial least-squares approximation and multilayer perceptron artificial neural networks for traffic safety applications. The approach uses camera based head tracking as input data to predict a continuous trajectory for a 2.5 s future time horizon. Training and test is performed using 1075 recorded tracks of uninstructed pedestrians in common public traffic situations, including many challenging scenarios like starting, stopping and bending in. The neural network approach has the ability to handle these scenes by learning a single implicit movement model independent of a specific motion type. The polynomial approximation provides an extraction of the principal information of the underlying time series in the form of the polynomial coefficients, high independence of input data, e.g., sample rate, and additional noise resistance. Our test results show 24% lower prediction errors for starting scenes and 29% for stopping scenes in comparison to a constant velocity Kalman filter. Approaches using MLP without polynomial input and the usage of Support Vector KW - Artificial Neural Networks KW - Polynomial Approximation KW - Path Prediction KW - Intelligent Vehicles KW - Neuronales Netz KW - Polynomapproximation Y1 - 2015 U6 - https://doi.org/10.1109/IntelliSys.2015.7361171 SP - 390 EP - 399 PB - IEEE ER - TY - JOUR A1 - Kröhn, Michael A1 - Eifert, Erik A1 - Reuter, Norbert A1 - Hahnle, Michael A1 - Prochus, Tobias A1 - Doll, Konrad ED - Albers, Thomas ED - Kegel, Gunther ED - Oprzynski, Jörn ED - Otten, Wilhelm ED - Steckenreiter, Thomas T1 - Gestenbasierte Prozessanalyse JF - atp edition N2 - Dieser Beitrag beschreibt ein intelligentes Assistenzsystem, das manuelle Montageprozesse beobachten und Auffälligkeiten im Ablauf identifizieren kann. Die mit der Montage verbundenen Handgriffe werden als eine Abfolge von Gesten erfasst. Aus den Zeitabständen zwischen den Handgriffen lassen sich statistische Aussagen gewinnen. So kann beispielsweise eine große Streuung auf Qualitäts- oder Konzeptprobleme hinweisen. Den Kern des Assistenzsystems bildet die Kinect von Microsoft. Die Autoren stellen das Konzept und erste Ergebnisse des Verfahrens vor. Y1 - 2017 VL - 2016 IS - 12 SP - 26 EP - 33 ER - TY - CHAP A1 - Hahnle, Michael A1 - Saxen, Frerk A1 - Doll, Konrad T1 - Erkennung von Fußgängern in Echtzeit auf FPGAs T2 - 49. MPC-Workshop, Mannheim, Deutschland KW - Fahrerassistenzsystem KW - Fußgänger Y1 - 2013 UR - https://www.mpc-gruppe.de/workshopbaende SN - 1868-9221 SP - 57 EP - 65 ER - TY - GEN A1 - Doll, Konrad A1 - Zindler, Klaus T1 - Hochautomatisiertes Fahren: Sensorik, Sensordatenverarbeitung und Fahrzeugführung T2 - Technologieforum Innovative Sensorik-Anwendungen im Automotive-Bereich N2 - Vortrag KW - Autonomes Fahrzeug KW - Sensortechnik KW - Vortrag Y1 - 2016 VL - 2016 ER - TY - CHAP A1 - Reichert, Hannes A1 - Lang, Lukas A1 - Rosch, Kevin A1 - Bogdoll, Daniel A1 - Doll, Konrad A1 - Sick, Bernhard A1 - Rellss, Hans-Christian A1 - Stiller, Christoph A1 - Zollner, J. Marius T1 - Towards Sensor Data Abstraction of Autonomous Vehicle Perception Systems T2 - 2021 IEEE International Smart Cities Conference (ISC2) KW - Autonomes Fahrzeug Y1 - 2021 U6 - https://doi.org/https://doi.org/10.1109/ISC253183.2021.9562912 SP - 1 EP - 4 PB - IEEE ER - TY - CHAP A1 - Lampert, Pascal A1 - Jung, Janis A1 - Hubert, Andreas A1 - Doll, Konrad T1 - Looping Through Color Space: A Simple Augmentation Method to Improve Biased Object Detection T2 - Lecture Notes in Networks and Systems KW - Objekterkennung Y1 - 2022 SN - 9789811916069 U6 - https://doi.org/10.1007/978-981-19-1607-6_61 SN - 2367-3370 SP - 687 EP - 698 PB - Springer Nature Singapore CY - Singapore ER -