TY - THES A1 - Menze, Isabelle T1 - Untersuchung zum Einfluss der Farbe der Ambientebeleuchtung eines Veranstaltungsortes auf die emotionale Wahrnehmung der Musik N2 - Crossmodale Korrespondenzen zwischen auditiven und visuellen Stimuli lassen sich bereits in zahlreichen Laborstudien erkennen. Ob jene Korrespondenzen auch in der Praxis für das Lichtdesign von unter anderem Musik-Veranstaltungen gelten und dabei nicht nur auditive Stimuli mit Farben assoziiert werden, sondern Farben auch einen Einfluss auf die Wahrnehmung der akustischen Eigenschaften und Emotionen der Musik haben, wird dabei in dieser Studie untersucht. Der Versuchsaufbau findet dafür in einer realen Veranstaltungsstätte statt. Proband*innen mussten Fragen zu ihrer Wahrnehmung von unterschiedlichen auditiven und visuellen Eigenschaften, die in unterschiedlichen, möglichst Veranstaltungs-realistischen Stimuli-Szenen präsentiert wurden, beantworten. Hierfür wurden Scheinwerfer eingesetzt sowie auditive Stimuli gewählt, die vom Musikgenre den Live-Veranstaltungen der Veranstaltungsstätte entsprechen. Die Ergebnisse zeigen, dass ein Zusammenhang zwischen akustischen Eigenschaften und Farben existiert und auch die wahrgenommenen Emotionen der Farben durch die Musik beeinflusst werden können. Ebenso zeigen die Ergebnisse, dass die Farben der Ambientebeleuchtung die Emotionen zwar nicht explizit vorgeben oder steuern, sie aber in ihrem Ausdruck intensivieren können. Der Zusammenhang von zur Musik passenden Farben scheint dabei auf den geteilten wahrgenommenen Emotionen zu basieren, eine direkte Verknüpfung von Musik und Farben kann in dieser Studie allerdings nicht ausgeschlossen werden. Crossmodale Korrespondenzen zwischen auditiven und visuellen Stimuli sind demnach auch in realitätsnahen Versuchsaufbauten zu finden. Die Erkenntnisse darüber könnten auch in der Praxis, zum Beispiel bei der Planung und Durchführung von Musik-Veranstaltungen, einen Nutzen haben. KW - Crossmodale Korrespondenzen KW - Lichtfarben KW - Lichtdesign KW - Musik-Emotion KW - Ambientebeleuchtung Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-43375 CY - Düsseldorf ER - TY - CHAP A1 - Rakow, Thomas ED - Wojciechowski, Manfred T1 - Die Entwicklung von Lehrinhalten im Fach Datenbanken T1 - The development of teaching content in the subject of databases (in German) T2 - Forschungsreport 2022, Hochschule Düsseldorf N2 - Im Projekt EILD.nrw wurden Open Educational Resources (OER) für die Lehre im Fach Datenbanken entwickelt. Lehrende können die Tools und Kurse in einer Vielzahl von Lernszenarien einsetzen. Studierende der Informatik und Anwendungsfächer lernen den kompletten Lebenszyklus von Datenbanken kennen. Zu diesem Zweck wurden Quizze, interaktive Tools, Lehrvideos und Kurse für Lernmanagementsysteme entwickelt und unter einer Creative Commons-Lizenz veröffentlicht. N2 - In the EILD.nrw project, Open Educational Resources (OER) are being developed for teaching databases. Instructors can use the tools and courses in a variety of learning scenarios. Students of computer science and application subjects learn the complete life cycle of databases. For this purpose, quizzes, interactive tools, instructional videos, and courses for learning management systems were developed and published under a Creative Commons license. KW - Lehrinhalte KW - teaching content KW - Datenbanken KW - Hochschule KW - OER KW - databases KW - higher education Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-42822 UR - https://doi.org/10.20385/opus4-4007 SP - 112 EP - 113 CY - Düsseldorf ER - TY - PAT A1 - Lessmann, Stephanie A1 - Meuter, Mirko A1 - Mueller, Dennis T1 - Method to determine distance of an object from an automated vehicle with a monocular device N2 - A method of determining the distance of an object from an automated vehicle based on images taken by a monocular image acquiring device. The object is recognized with an object-class by means of an image processing system. Respective position data are determined from the images using a pinhole camera model based on the object-class. Position data indicating in world coordinates the position of a reference point of the object with respect to the plane of the road is used with a scaling factor of the pinhole camera model estimated by means of a Bayes estimator using the position data as observations and under the assumption that the reference point of the object is located on the plane of the road with a predefined probability. The distance of the object from the automated vehicle is calculated from the estimated scaling factor using the pinhole camera model. Y1 - 2018 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=US000009862318B2&xxxfull=1 ER - TY - PAT A1 - Haselhoff, Anselm Stephan A1 - Müller, Dennis A1 - Meuter, Mirko Nicolas A1 - Nunn, Christian Markus T1 - Verfahren zum Erzeugen eines Trainingsbildes N2 - Bei einem Verfahren zum Erzeugen eines Trainingsbilds, welches ein zu erkennendes Objekt in einer natürlichen Objektumgebung zeigt, wird das Trainingsbild als synthetisches Bild durch Kombination eines von einer Kamera aufgenommenen Basisbilds und eines Template-Bilds erzeugt, indem mittels eines Shift-Map-Algorithmus ein Strukturmerkmal aus dem Basisbild entfernt und durch ein dem Template-Bild entnommenes Strukturmerkmal ersetzt wird. Y1 - 2016 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000003029628A1&xxxfull=1 ER - TY - PAT A1 - Meuter, Mirko Nicolas A1 - Nunn, Christian Markus A1 - Müller, Dennis A1 - Görmer, Steffen M. T1 - Objektverfolgungsverfahren für ein Kamerabasiertes Fahrerassistenzsystem N2 - Die Erfindung betrifft ein Objektverfolgungsverfahren für ein kamerabasiertes Fahrerassistenzsystem, welches eine in einem eigenen Fahrzeug installierte und in Fahrtrichtung ausgerichtete Kamera zur Aufnahme von Bildern einer in Fahrtrichtung vor dem eigenen Fahrzeug liegenden Fahrzeugumgebung aufweist, mit den Schritten, dass ein ein vorausfahrendes Fahrzeug darstellendes Objekt in einem von der Kamera aufgenommenen Bild detektiert wird und ein Mittelwert und eine Kovarianzmatrix für den aktuellen Zustand des vorausfahrenden Fahrzeugs mittels eines erweiterten Kalman Filters aus der Position und Breite des Objekts in dem Bild geschätzt wird. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002562681A1&xxxfull=1 ER - TY - PAT A1 - Müller, Dennis A1 - Meuter, Mirko Nicolas A1 - Görmer, Steffen Michael A1 - Nunn, Christian Markus A1 - Gavriilidis, Alexandros T1 - Verfahren zur Erkennung von Funktionsfehlern einer Multisensoranordnung N2 - Bei einem Verfahren zur Erkennung von Funktionsfehlern eines oder mehrerer Sensoren einer der Überwachung einer Fahrzeugumgebung dienenden Multisensoranordnung (10) eines Fahrzeugassistenzsystems (12) wird auf der Basis von Informationen aus einer für eine vereinheitlichte Erfassung der aktuellen Fahrzeugumgebung durchgeführten Datenfusion der von den Sensoren der Multisensoranordnung (10) erhaltenen Daten wenigstens eine aktuelle Leistungsgröße der Multisensoranordnung (10) ermittelt. Die ermittelte aktuelle Leistungsgröße wird mit einer entsprechenden, für die fehlerfreie Multisensoranordnung (10) erwarteten Leistungsgröße verglichen. Eine Entscheidung darüber, ob ein Funktionsfehler des bzw. der betreffenden Sensoren der Multisensoranordnung (10) vorliegt oder nicht, wird in Abhängigkeit vom Ergebnis des Vergleichs der auf der Basis der Informationen aus der Sensordatenfusion ermittelten aktuellen Leistungsgröße mit der erwarteten Leistungsgröße der Multisensoranordnung (10) getroffen. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002604478A1&xxxfull=1 ER - TY - PAT A1 - Zhao, Kun A1 - Iurgel, Uri A1 - Meuter, Mirko A1 - Müller, Dennis T1 - Verfahren zum kalibrieren einer Bilderfassungseinrichtung N2 - Bei einem Verfahren zum Kalibrieren einer Bilderfassungseinrichtung, die an einem Kraftfahrzeug angeordnet ist und in der Lage ist, nacheinander Bilder eines vor dem Kraftfahrzeug befindlichen Verkehrsraums zu erfassen, werden in einem erfassten Bild wenigstens zwei Bildobjekte detektiert, welche in Weltkoordinaten geraden und zueinander im Wesentlichen parallelen Liniensegmenten entsprechen. Anhand der Bildobjekte wird die Position eines Fluchtpunkts in dem erfassten Bild geschätzt und mittels eines Tracking-Verfahrens verfolgt. Dabei wird ein Fehler für die Position des Fluchtpunkts berechnet. Sobald der berechnete Fehler einen vorbestimmten Schwellenwert unterschreitet, wird anhand der zu dem Fehler gehörigen Position des Fluchtpunkts die Bilderfassungseinrichtung kalibriert. Y1 - 2014 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002704096A1&xxxfull=1 ER - TY - PAT A1 - Müller, Dennis A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Görmer, Steffen T1 - Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen N2 - Es wird ein Verfahren zur Erfassung und Bestätigung kritischer Fahrsituationen angegeben, beidem ein insbesondere vor einem Fahrzeug befindliches Objekt mittels mehrerer unabhängiger, dem Fahrzeug zugeordneter Sensoreinheiten überwacht wird, die von den Sensoreinheiten gelieferten Signale jeweils als Sensorsignal in Form einer diskretisierten Wahrscheinlichkeitsdichtefunktion der betreffenden physikalischen Messgröße über ein definiertes Intervall [0, MAX] bereitgestellt werden, die verschiedenen Sensorsignale zu einem einzigen, ebenfalls die Form einer Wahrscheinlichkeitsdichtefunktion der betreffenden Messgröße aufweisenden Endsignal kombiniert werden und mittels eines lernenden Klassifizierers anhand des kombinierten Endsignal eine endgültige Bewertung der aktuellen Fahrsituation vorgenommen wird. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002549294A1&xxxfull=1 ER - TY - PAT A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Müller, Dennis A1 - Görmer, Steffen T1 - Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen N2 - Bei einem Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen von einem Kraftfahrzeug aus wird mittels einer Bilderfassungseinrichtung in regelmäßigen Zeitabständen ein Bild eines vor dem Kraftfahrzeug befindlichen Verkehrsraumes erfasst. In dem erfassten Bild werden diejenigen Bildbereiche als erkannte Fahrspurmarkierungen identifiziert, welche ein vorgegebenes Erkennungskriterium erfüllen. Wenigstens eine erkannte Fahrspurmarkierung wird als zu verfolgende Fahrspurmarkierung einem Tracking-Prozess unterzogen. Es wird für jede erkannte Fahrspurmarkierung wenigstens ein Prüfbereich im Bild definiert. Anhand von Intensitätswerten der dem Prüfbereich zugehörigen Bildpunkte wird wenigstens eine Kenngröße ermittelt. In Abhängigkeit von der Kenngröße wird die erkannte Fahrspurmarkierung einer von mehreren Fahrspurmarkierungs-Klassen zugeordnet. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002629243A1&xxxfull=1 ER - TY - PAT A1 - Nunn, Christian Markus A1 - Meuter, Mirko Nicolas A1 - Müller, Dennis A1 - Görmer, Steffen T1 - Verfahren zur Detektion und Klassifikation von Objekten N2 - Bei einem Verfahren zur Detektion und Klassifikation von Objekten wie insbesondere Fahrbahnmarkierungen[AB_DE] ausgehend von einem Bild der Umgebung im Sichtbereich einer insbesondere einem Fahrzeug zugeordneten Bildaufnahmeeinrichtung wird für eine anfängliche Detektion von Objektkandidaten eine schnelle Hough-Transformation ausgeführt, bei der zur Bestimmung einer jeweiligen Votierstelle im Hough-Raum die Gradientenrichtung von ermittelten Kantenpunkten herangezogen wird. Zur Klassifikation der Objektkandidaten und zur Akkumulation zusätzlicher Merkmale wird als Hough-Raum ein zusätzliche Ebenen umfassender Raum verwendet. Y1 - 2013 UR - https://depatisnet.dpma.de/DepatisNet/depatisnet?action=pdf&docid=EP000002549408A1&xxxfull=1 ER -