Cookies help us deliver our services. By using our services, you agree to our use of cookies.
De En Es
Kundenservice: +49 (0) 551 - 547 24 0

Cuvillier Verlag

Publications, Dissertations, Habilitations & Brochures.
International Specialist Publishing House for Science and Economy

Cuvillier Verlag

Premiumpartner
De En Es
Titelbild-leitlinien
Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld

Hard Copy
EUR 73.90

E-book
EUR 51.70

Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld (Volume 134)

Friederike Schneemann (Author)

Preview

Extract, PDF (650 KB)
Table of Contents, PDF (530 KB)

ISBN-13 (Hard Copy) 9783736999169
ISBN-13 (eBook) 9783736989160
Language Alemán
Page Number 264
Lamination of Cover matt
Edition 1.
Book Series Audi Dissertationsreihe
Volume 134
Publication Place Göttingen
Place of Dissertation Bochum
Publication Date 2018-12-07
General Categorization Dissertation
Departments Engineering
Keywords Intentionserkennung, Fußgängersicherheit, Intention, Intentionales Handeln, Fußgängerintention, Querungsintention, Verhaltensprädiktion, Autonomes Fahren, Autonomes Fahrzeug, Maschinelles Lernen, Maschinelles Sehen
Description

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.