TY - CHAP A1 - Fiebelkorn, Richard A1 - Kugel, Rafael A1 - Günther, Norman A1 - Reiff-Stephan, Jörg ED - Reiff-Stephan, Jörg ED - Jäkel, Jens ED - Reichelt, Dirk T1 - Predictive Maintenance in der Baumpflege – TreeAngel T2 - Tagungsband AALE 2025 : menschenzentrierte Automation im digitalen Zeitalter N2 - Die Gewährleistung der Verkehrssicherheit von Bäumen stellt eine zentrale Herausforderung für Städte und Gemeinden dar. Traditionelle, manuelle Inspektionsmethoden sind zeit- und ressourcenintensiv sowie anfällig für menschliche Fehler. Der folgende Artikel präsentiert ein innovatives System zur automatisierten Baumzustandsbewertung, welches moderne Kameratechnologien und Künstliche Intelligenz (KI) nutzt. Im Rahmen einer Machbarkeitsstudie wurden Bilddaten, welche durch verschiedene Kamerasysteme erzeugt wurden, analysiert. Basierend auf diesen Daten wurde ein YOLOv8-Modell trainiert, welches eine präzise Detektion von Bäumen und Schäden, wie beispielsweise Totholz, ermöglicht. Die Ergebnisse des vorgestellten Prototypensystems sind vielversprechend hinsichtlich Genauigkeit und Effizienz. Es zeigt das Potenzial, manuelle Inspektionen durch automatisierte Verfahren zu ergänzen oder zu ersetzen. Die präsentierten Resultate legen den Grundstein für nachhaltige und skalierbare Ansätze in der Baumpflege und können zur Steigerung der öffentlichen Sicherheit und Effizienz im urbanen Management beitragen. KW - Baumpflege KW - machine learning KW - Predictive Maintenance KW - YOLO KW - Maschinelles Lernen Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:526-opus4-20193 SP - 251 EP - 259 PB - Hochschule für Technik, Wirtschaft und Kultur CY - Leipzig ER - TY - GEN A1 - Gedat, Egbert A1 - Fechner, Pascal A1 - Fiebelkorn, Richard A1 - Vandenhouten, Ralf T1 - Szenenanalyse und Unterscheidung der Skelette mehrerer Menschen in digitalen Bildern mit Graphentheorie durch eine k-kürzeste-disjunkte-Wege-Suche T2 - Wissenschaftliche Beiträge 2017 N2 - Das Erkennen von Personen auf Fotos und in Videos geschieht in aktuellen Klassifizierungsverfahren durch die Zuordnung eines Köperteils zu jedem Pixel. Anschließend werden die gefundenen Körperteile zu Skeletten zusammengefasst. Im Falle mehrerer abgebildeter Personen ergibt sich das Problem der Zuordnung der Körperteile zu den verschiedenen Skeletten. Es wurde in dieser Arbeit ein auf dem Suurballe-Algorithmus basierendes graphentheoretisches Verfahren entwickelt, das diese Aufgabe löst. Aufbauend auf im Wesentlichen abstandsabhängigen Kantengewichten wird eine k-kürzeste-disjunkte-Wege-Suche durchgeführt. Unter Einbezug von möglicherweise fehlenden Körperteilen durch Unsichtbar-Knoten und automatisches Aussortieren zu viel gefundener Körperteile werden so die k-optimalen Skelette gefunden. Die Methode wurde an idealisierten computergenerierten Bildern mit einer Trefferquote von 100 % gefundener Personen getestet. Ein Test mit realen Bilddaten lieferte eine Trefferquote von 71,7 %. N2 - Recognition of humans on photos and in videos is done per current classification procedures by assigning a body part to each pixel. The body parts thus allocated are subsequently ordered into skeletons. In the case the images indicate that multiple humans are present, the problem arises of assigning the body parts to different skeletons. A Suurballe algorithm-based method developed by us solves this task. By mainly relying on distance-related edge weights, a k shortest disjoint paths search is performed. Accounting for possibly missing body parts by invisible-nodes and automatically sorting out redundant body parts, the optimal k skeletons are found. The method was tested with computer-generated data, yielding a rate of 100 % persons detected. A test with real-world images yielded a recall ratio of 71.7 %. Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:526-opus4-9394 SN - 0949-8214 VL - 21 SP - 31 EP - 35 ER - TY - CHAP A1 - Kupper, Stefan A1 - Fiebelkorn, Richard A1 - Stolpmann, Alexander A1 - Reiff-Stephan, Jörg T1 - Robuste Lokalisierung und Pfadplanung auf verschiedenen Größenskalen durch fraktale Landmarken T2 - Tagungsband AALE 2026: Mechatronische Systeme für die Automatisierung: Fortschritt durch Präzision und Qualität N2 - In diesem Beitrag wird der Einsatz fraktaler Landmarken zur kamerabasierten Bestimmung von Position und Orientierung einer autonomen robotischen Plattform untersucht. Die Plattform wird dabei innerhalb eines digitalen Zwillings in einem realitätsnahen Szenario simuliert. Ziel ist die robuste und wiederholgenaue Verfolgung einer vom Anwender vorgegebenen Referenztrajektorie. Die in dieser Arbeit genutzen fraktalen Landmarken ermöglichen durch ihre multiskalige Struktur eine zuverlässige Detektion und Posenbestimmung über einen großen Entfernungsbereich hinweg und adressieren damit die Skalierungsprobleme konventioneller Landmarken. In Kombination mit einer splinebasierten Pfadplanung und einer echtzeitfähigen Simulation werden die Auswirkungen der Landmarkengeometrie, der Pfadführung sowie von Bildrauschen auf die Lokalisierungsgenauigkeit analysiert. Die Ergebnisse zeigen, dass der vorgestellte Ansatz eine stabile Posenbestimmung entlang der geplanten Trajektorie erlaubt und sich insbesondere für Anwendungen mit variierenden Arbeitsabständen eignet. KW - Fraktale Landmarke KW - Autonome Bewegung KW - Digitaler Zwilling KW - Bildverarbeitung KW - Posenschätzung Y1 - 2026 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:526-opus4-21370 SP - 1 EP - 10 PB - Hochschule für Technik, Wirtschaft und Kultur Leipzig ER -