Cuvillier Verlag

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

Cuvillier Verlag

De En Es
Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld

Hard Copy
EUR 81.90

E-book
EUR 56.90

Erkennung der Querungsintention von Fußgängern für das automatisierte Fahren im städtischen Umfeld (Volume 4) (English shop)

Friederike Schneemann (Author)

Preview

Extract, PDF (170 KB)
Table of Contents, PDF (51 KB)

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.

ISBN-13 (Hard Copy) 9783736978355
ISBN-13 (eBook) 9783736968356
Language Alemán
Page Number 264
Lamination of Cover matt
Edition 2.
Book Series Künstliche Intelligenz & Digitalisierung
Volume 4
Publication Place Göttingen
Place of Dissertation Bochum
Publication Date 2023-06-29
General Categorization Dissertation
Departments Engineering
Keywords Intentionserkennung, Fußgängersicherheit, Intention, Intentionales Handeln, Fußgängerintention, Querungsintention, Verhaltensprädiktion, Autonomes Fahren, Autonomes Fahrzeug, Maschinelles Lernen, Maschinelles Sehen, Intention Recognition, pedestrian safety, intention, intentional action, pedestrian intention, intention to cross, behavior prediction, autonomous driving, autonomous vehicle, machine learning, machine vision