Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten
|
|
- Manfred Weiß
- vor 8 Jahren
- Abrufe
Transkript
1 Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine Mensch im Verkehr Verhaltensprädiktion und Intentionserkennung UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 1
2 Gliederung Motivation Fahrerintentionserkennung und Manöverprädiktion Methodik: Probandenstudie Algorithmus zur Fahrmanöverprädiktion Algorithmus zur Fahrmanöverprädiktion Fuzzy Logik und Zustandsautomat Verhaltensketten und Edit Distance Validierung Zusammenfassung & Ausblick UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 2
3 Gliederung Motivation Fahrerintentionserkennung und Manöverprädiktion Methodik: Probandenstudie Algorithmus zur Fahrmanöverprädiktion Algorithmus zur Fahrmanöverprädiktion Fuzzy Logik und Zustandsautomat Verhaltensketten und Edit Distance Validierung Zusammenfassung & Ausblick UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 3
4 Motivation Mit Vision Zero wird eine Reduktion der Unfälle im Straßenverkehr angestrebt [1] Fahrerassistenzsysteme (FAS) haben einen maßgeblichen Anteil daran [2] Die Forschungsinitiative UR:BAN [3] erforscht Fahrerassistenzsysteme zur Unfallreduktion im städtischen Verkehr Früher Warnzeitpunkte steigern die Effektivität von FAS, beinhalten aber die Gefahr eines Warndilemmas [4] Fahrerintentionserkennung bietet die Chance die Fehlauslösungen von FAS zu verringern und die Wirksamkeit zu steigern [5] Um Fahrerassistenzsysteme mit der Information über die Fahrerintention zu versorgen ist ein echtzeitfähiger Algorithmus zur Fahrmanöverprädiktion notwendig SBZA LDW UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 4
5 Fahrerintentionserkennung und Manöverprädiktion Die Fahrerintention gehört (neben u.a. Aufmerksamkeit oder Beanspruchung) zu den kurzfristig veränderlichen Einflussfaktoren des Fahrers auf das Fahrerverhalten. Sie beinhaltet u.a. die intendierte Route des Fahrers oder die in unmittelbarer Zukunft geplante Fahrmanöverfolge. [6] Die Fahrerintention wird vor allem der Manöver- und Navigationsebene der Fahrzeugführung zugeordnet. [7] Um Fahrerintention zu detektieren ist das Wissen über die Art der Informationsaufnahme, -verarbeitung und die getroffenen Entscheidungen notwendig [8] Manöverprädiktion Intentionserkennung Angelehnt an: [9] UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 5
6 Merkmale zur Fahrmanöverprädiktion Fahrer Blickrichtung / Blickverhalten (Sakkaden, Fokusdauer) Kopfbewegung /-orientierung Lenkeingaben, Pedalbedienung (bewusst und unbewusst) Fahrzeug Inertialsensorik (Giermoment, Beschleunigung, ) Umfeldsensorik (TTC, THW, TLC, Spurhaltegüte) Umwelt Verkehrssituation [7] UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 6
7 Gliederung Motivation Fahrerintentionserkennung und Manöverprädiktion Methodik: Probandenstudie Algorithmus zur Fahrmanöverprädiktion Algorithmus zur Fahrmanöverprädiktion Fuzzy Logik und Zustandsautomat Verhaltensketten und Edit Distance Validierung Zusammenfassung & Ausblick UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 7
8 Methodik: Probandenstudie Probandenversuche im kontrollierten Feld Testgelände August-Euler-Flugplatz Griesheim Rundkurs über Landebahn und Taxiway Länge ca. 2,0km Probanden fahren jeweils 10 Runden Versuchsreihen Versuchsreihe 1 zur Datenerhebung (n = 58): 2013 (Alter: MW=40,0 Jahre SD=13,3 Jahre; davon 39,6% weiblich) Versuchsreihe 2 zur Datenerhebung (n = 44): 2014 (Alter: MW=38,4 Jahre SD=13,6 Jahre; davon 45,5% weiblich) Herausforderung beim Versuchsdesign nicht das Manöver von den Probanden einfordern sondern die Handlung (und somit die Bildung einer entsprechenden Intention) provozieren Aufzeichnung realitätsnaher Messdaten im kontrollierten Feldversuch UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 8
9 Probandenstudie: Fahrmanöver Fahrstreifenwechsel Anhalten an Ampel Anhalten an Stop-Schild Notausweichen Notbremsen an Ampel Wurfhindernis UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 9
10 Gliederung Motivation Fahrerintentionserkennung und Manöverprädiktion Methodik: Probandenstudie Algorithmus zur Fahrmanöverprädiktion Algorithmus zur Fahrmanöverprädiktion Fuzzy Logik und Zustandsautomat Verhaltensketten und Edit Distance Validierung Zusammenfassung & Ausblick UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 10
11 Algorithmus zur Fahrmanöverprädiktion Fahrzeug- Daten Algorithmus Fahrmanöverwahrscheinlichkeit Zeithorizont Anforderungen: möglichst frühe und sichere Erkennung Nachvollziehbar, Transparent (White-Box-Modell) Modular und Echtzeitfähig Herausforderungen: Interindividuelle Unterschiede im Fahrerverhalten Unschärfe in Merkmalen zur Prädiktion Intraindividuelle Unterschiede im Fahrerverhalten Unsicherheit in Merkmalen zur Prädiktion Merkmale treten zu unterschiedlichen Zeiten während der Manöverdurchführung auf Merkmale treten in Zeitreihen auf Fuzzy-Logik Edit Distance Zustandsautomat UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 11
12 Struktur des Algorithmus CAN-Bus Eingangssignale Fuzzifizierung Zustandsautomat Verhaltenskette Echtzeiterkennung Training Fahrmanöverdatenbank Aktuelle Fahrerverhaltenskette [12] UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 12
13 Fuzzifizierung der Eingangsgrößen Lernen der Fuzzy-Mengen aus Daten der Probandenstudie Fahrstreifenwechsel Verlauf des Lenkwinkel über die Zeit vor und während eines Fahrstreifenwechsel; Fahrzeug berührt Fahrstreifenmerkierung bei t = 0s Verlauf der Änderung des Lenkwinkels über den Lenkwinkel; Aufgeteilt in 5 gleichgroße Integrale Trainierte Fuzzy-Sets des Lenkwinkels für einen Fahrstreifenwechsel aus dem Signalverlauf UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 13
14 Zustandsautomat Anhaltemanöver In der Theorie der Fuzzy-Logik liegt üblicherweise eine Regelbasis mit den möglichen Kombinationen der Eingangsgrößen vor In diesem Zustandsautomaten repräsentiert jeder Zustand eine bestimmte Fuzzy-Regel 1 : velocity=high, accelerator pedal=low, brake pedal=near zero 3 : velocity=high, accelerator pedal=near zero, brake pedal=near zero 8 : velocity=near zero, accelerator pedal=near zero, brake pedal=low Die vorhandenen Zustände und Transitionen werden aus den Versuchsdaten gelernt Für jedes zu erkennende Manöver existiert ein Zustandsautomat UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 14
15 Verhaltensketten Die Verhaltenskette der Fahrmanöversequenz enthält die Aktivierung der jeweiligen Fuzzy-Regeln über die Zeit Stopping Anhaltemanöver maneuver velocity Accelerator pedal Brake pedal 1: near zero 1: near zero 1: near zero 2: very low 2: low 2: low 3: low 3: medium 3: medium 4: medium 4: high 4: high 5: high 6: very high Fahrzeug fährt geradeaus mit ~50km/h Fahrer löst Gaspedal Fahrzeug verlangsamt Fahrer betätigt Bremspedal Fahrzeug verzögert Fahrzeug hält an Stop- Schild UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 15
16 Fahrmanöverdatenbank Jede Verhaltenskette jedes Manövers der Probanden in unserer Studie werden im Training des Algorithmus in einer manöverspezifischen Datenbank gespeichert z.b. Proband 01 (P01) führt ersten Fahrstreifenwechsel nach links aus (FSW1) Für jedes zu erkennende Fahrmanöver liegt eine eigene Datenbank vor P01 FSW1: P01 FSW2: P01 FSW3: P02 FSW1: P02 FSW2: P02 FSW3: P03 FSW1: P03 FSW2: P03 FSW3: P04 FSW1: Weitere Werte die zu jedem Zustand gespeichert werden: - Zeit der Aktivierung - Zeit bis zum Manöver - Aktivierungsgrad UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 16
17 Edit Distance Aufgrund inter- und intraindividueller Unterschiede in der Manöverausführung ist die Chance zwei identische Ketten zu finden sehr gering Um ein Fahrmanöver zu prädizieren wird das aktuelle Fahrerverhalten mit den gespeicherten Verhaltensketten mit Hilfe eines Ähnlichkeitsmaßes verglichen Die Edit Distance berechnet den minimalen Aufwand die aktuelle Verhaltenskette in jede andere gespeicherte zu transformieren : - Um Sequenz a in Sequenz b zu transformieren sind folgende Schritte notwendig: - (4) Einfügen - (5) Verschieben - (6) Löschen - Jede Transformation ist mit bestimmten Kosten belegt - Der Abstand der Sequenzen entspricht dem Minimum der Summe der Kosten Der minimale Aufwand zur Transformation entspricht dem Abstand beider Ketten dist min Der Gesamtabstand wird über das quadratisches Mittel der aktuellen Verhaltenskette mit jeder Verhaltenskette in der entsprechenden Fahrmanöver- Datenbank berechnet UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 17
18 Berechnung der Manöverwahrscheinlichkeit Die Manöverwahrscheinlichkeit und der Zeithorizont werden aus der Edit Distance berechnet Es wird eine Funktion gelernt, welche auf abbildet Dazu wird jede positive (Manöver wurde ausgeführt) und negative Erkennung (Manöver wurde nicht ausgeführt) analysiert Der minimale Abstand für jede positive und negative Sequenz werden berechnet Das Verhältnis jedes berechnet wird für Dadurch entsteht eine Lookup-Table um die Manöverwahrscheinlichkeit für jede errechnete Edit Distance zu berechnen UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 18
19 Validierung Das Training und das Testen wurde mit verschiedenen Teilen des Versuchsdatensatzes durchgeführt (70% vs. 30%) Die Designparameter des Algorithmus wurden dabei systematisch variiert, um das bestmögliche Set zu finden Ein binärer Klassifizierer wurde definiert: Manöver liegt vor Manöver liegt nicht vor Die Spezifität und Sensitivität der binären Klassifizierung wurde entsprechend berechnet Um eine ROC-Kurve (Receiver operator caracteristic) zu erhalten wurde die Entscheidungsschwelle variiert Das Optimum zwischen Sensitivität und Spezifität für den Fahrstreifenwechsel nach links befindet sich bei der Entscheidungsgrenze =69,4% Daraus ergibt sich folgende Performance des Algorithmus zur Erkennung von Fahrstreifenwechsel nach links mit CAN-Bus Daten: TPR=97,5% FPR=22,4% AUC=0,895 (Area under curve) mittlerer Zeithorizont von =0,9s * p*=69,4% UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 19
20 Gliederung Motivation Fahrerintentionserkennung und Manöverprädiktion Methodik: Probandenstudie Algorithmus zur Fahrmanöverprädiktion Algorithmus zur Fahrmanöverprädiktion Fuzzy Logik und Zustandsautomat Verhaltensketten und Edit Distance Validierung Zusammenfassung & Ausblick UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 20
21 Zusammenfassung und Ausblick Zusammenfassung: Fahrmanöverprädiktion auf Basis von Verhaltensketten mit Fuzzy-Logik und Edit Distance ist möglich Der gezeigte Algorithmus kann Fahrmanöver auf prototypischer Hardware (Car-PC) im Versuchsträger in Echtzeit prädizieren Es ist möglich mit Fahrzeugdaten ein Fahrstreifenwechsel zu prädizieren bevor das entsprechende Vorderrad die Fahrstreifenmarkierung berührt Das Trigger Level ist an das Fahrerassistenzsystem bezüglich notwendiger Erkennungsraten oder gewünschten Zeithorizont anpassbar Ausblick: Fahrerbeobachtung ermöglicht die Steigerung des Prädiktionshorizontes durch die Nutzung früherer Merkmale des Fahrerverhaltens Die Informationen zu dem vom Fahrer geplanten Fahrmanöver kann zur Parametrisierung von warnenden und eingreifenden Fahrerassistenzsystemen genutzt werden, mit dem Ziel die Akzeptanz zu steigern und ein mögliches Warndilemma zu verringern UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 21
22 Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Vielen Dank für Ihre Aufmerksamkeit! UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 22
23 Verwendete Quellen [1] Tingvall, C., & Haworth, N. (2000). Vision Zero: an ethical approach to safety and mobility. In 6th ITE International Conference Road Safety & Traffic Enforcement: Beyond (Vol. 1999). [2] Winner, H., Hakuli, S., Lotz, F., & Singer, C. (2015) Handbuch Fahrerassistenzsysteme: Grundlagen, Komponenten und Systeme für aktive Sicherheit und Komfort (3., überar-beitete und ergänzte Auflage). ATZ/MTZ-Fachbuch. [3] Manstetten, D., Bengler, K., Busch, F., Färber, B., Lehsing, C., Neukum, A., Petermann-Stock, I. (2012). UR:BAN MV a German project focusing on human factors to in-crease traffic safety in urban areas [4] Hoffmann, J., & Gayko, J. (2012). Fahrerwarnelemente. In H. Winner, S. Hakuli, & G. Wolf (Eds.), ATZ-MTZ-Fachbuch. Handbuch Fahrerassistenzsysteme. Grundlagen, Kompo-nenten und Systeme für aktive Sicherheit und Komfort ; mit 45 Tabellen (2nd ed., pp ). Wiesbaden: Vieweg + Teubner [5] Blaschke, C., Schmitt, J., & Färber, B. (2007). Fahrmanöver-Prädiktion über CAN-Bus Daten. In VDl-Berichte Fahrer im 21. Jahrhundert. Human Machine Interface (pp ). Düsseldorf: VDI Verlag GmbH. [6] Kopf, M Was nützt es dem Fahrer, wenn Fahrerinformations- und -assistenzsysteme etwas über ihn wissen? In: Fahrerassistenzsysteme mit maschineller Wahrnehmung. Heidelberg. Springer. [7] Donges, E. (1982). Aspekte der aktiven Sicherheit bei der Führung von Personenkraftwagen. AUTOMOB-IND, 27(2). [8] Jürgensohn, T. et al. (2001). Nichtformale Konstrukte in quantitativen Fahrermodellen In: Kraftfahrzeugführung (pp ). Springer Berlin Heidelberg. [9] Heckhausen, Heinz, Gollwitzer, Peter Thought Contents and Cognitive Functioning in Motivational versus Volitional States of Mind. In: Motivation [10] Zadeh, Lofti A Fuzzy sets Information and Control 8(3): New York. Polytechnic Press and Emotion. 11, Nr. 2, S [11] Levensthein, V. I. (1966). Binary Codes Capable of Correcting Deletions, Insertions and Re-versals. Soviet Physics Doklady, pp [12] Heine, J., Sylla M., Langer, I., Schramm, T., Abendroth, B., Bruder, R.: Algorithm for driver intention detection with Fuzzy Logic and Edit Distance, bei IEEE 18th International Conference on Intelligent Transportation Systems ITSC (2015) UR:BAN-Konferenz Fahrmanöverprädiktion im urbanen Verkehr auf Basis von Verhaltensketten Dipl.-Ing. Jens Heine 18./ Garching 23
Realer vs. simulierter Umgebungsverkehr Was bringt die vernetzte Fahrsimulation?
UR:BAN MV SIM Realer vs. simulierter Umgebungsverkehr Was bringt die vernetzte Fahrsimulation? Dr. Dominik Mühlbacher (WIVW GmbH) Dr. Lena Rittger (Adam Opel AG) UR:BAN-Konferenz 18./19.02.2016 Garching
MehrOptimierung von aktiven Fahrerassistenzsystemen basierend auf der Analyse des Fahrer- und Fußgänger- Reaktionsverhaltens in der Pre-Crash-Phase
WER Optimierung von aktiven Fahrerassistenzsystemen basierend auf der Analyse des Fahrer- und Fußgänger- Reaktionsverhaltens in der Pre-Crash-Phase Thomas Schlender Robert Bosch GmbH UR:BAN-Konferenz 18./19.02.2016
MehrSequenzgenerierung aus Klassifikationsbäumen
Sequenzgenerierung aus Klassifikationsbäumen Peter M. Kruse, 24.01.2011 PMK, 24.01.2011 Inhalt Einleitung Stand von Wissenschaft und Technik Generierung von Testsequenzen mit der Klassifikationsbaum-Methode
MehrSpace Usage Rules. Neele Halbur, Helge Spieker InformatiCup 2015 19. März 2015
Space Usage Rules? InformatiCup 2015 1 Agenda 1. Vorstellung des Teams 2. Entwicklungsprozess und Umsetzung 3. Verbesserung der Strategien 4. Auswertung der Strategien 5. Ausblick 6. Fazit 2 Vorstellung
MehrEmpfehlungen für Touchgestikinteraktion mit Fahrerinformationssystemen. Abschlussvortrag Diplomarbeit.
Empfehlungen für Touchgestikinteraktion mit Fahrerinformationssystemen. Abschlussvortrag Diplomarbeit. Katja Hertzschuch Betreuer: Dr. Verena Broy, Ronald Ecker Seite 2 Agenda. 1 2 Touch-Bedienung im Fahrzeug
MehrMerkmalserkennungs- und Klassifikationssystem (MEKS)
Merkmalserkennungs- und Klassifikationssystem (MEKS) S. Hafner Univ.-GHS Paderborn, Abteilung Meschede Tel.: (0291) 9910-330, Fax: (0291) 9910-330 Email: Hafner@meschede.uni-paderborn.de Kurzfassung Die
MehrProdukte. Fahrsimulator-Baureihen Dr. Karl de Molina, FTronik GmbH. SafetyExpo 2007 Aschaffenburg, im März 2007. FTronik - Produkte / 1
Produkte Fahrsimulator-Baureihen Dr. Karl de Molina, FTronik GmbH SafetyExpo 2007 Aschaffenburg, im März 2007 FTronik - Produkte / 1 Inhaltsverzeichnis Motivation und Zielsetzung Produktfamilien Fahrsimulatoren
MehrAnalyse der Interaktion zwischen Fußgängern und Fahrzeugen im Realverkehr und kontrollierten Feld
Analyse der Interaktion zwischen Fußgängern und Fahrzeugen im Realverkehr und kontrollierten Feld UR:BAN Konferenz, 18./19. Februar 2016 v FG Dipl.-Ing. Jens Kotte Dipl.-Ing. Andreas Pütz Institut für
MehrGrundlagen der Fuzzy-Logik
Grundlagen der Fuzzy-Logik Seminarvortrag Julian Górny Matrikelnummer: 995146 Gliederung 1 Einleitung 2 Grundlagen 3 Fuzzy-Controller 4 Anwendungsbeispiel 5 Fazit und Ausblick Seite 2 Einleitung Bestimmte
MehrBeschleunigung von Bild-Segmentierungs- Algorithmen mit FPGAs
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Algorithmen mit FPGAs Vortrag von Jan Frenzel Dresden, Gliederung Was ist Bildsegmentierung?
MehrBremsbereit? Frederik Diederichs. Schutz schwächerer Verkehrsteilnehmer. Verhaltensprädiktion und Intentionserkennung
Verhaltensprädiktion und Intentionserkennung Schutz schwächerer Verkehrsteilnehmer Bremsbereit? Frederik Diederichs UR:BAN-Konferenz 18./19.02.2016 Garching Frederik Diederichs Fraunhofer IAO 1 Die 3 UR:BAN
MehrHumane Automation durch situationsadaptive Assistenz? Dipl.-Psych. Caroline Schießl
Humane Automation durch situationsadaptive Assistenz? Dipl.-Psych. Caroline Schießl Humane Automation durch situationsadaptive Assistenz? 9. November 2006 Überblick Humane Automation Ziel und Motivation
MehrVolkswagen Data Lab Connected Car Fahrererkennung mit MATLAB
Volkswagen Data Lab Connected Car Fahrererkennung mit MATLAB K-SI/LD1 Julia Fumbarev München, 27.06.2017 Mega-Trend: Fahrzeugvernetzung Herausforderungen für die OEMs: 4Synchronisierung unterschiedlicher
MehrUniv.-Prof. Dr.-Ing. Prof. h.c. Dr. h.c. Torsten Bertram. Univ.-Prof. Dr. phil. Johannes Weyer. GF André Bubenzer
Fachtagung Automatisiertes und vernetztes Fahren Berlin, 01.12.2017 Holistisches Modell zur Beschreibung der Aufgabenverteilung und der Aufgabenübergabe zwischen menschlichem Fahrer und Fahrerassistenzsystem
MehrVDI-Berichte Der Fahrer im. 21. Jahrhundert. Fahrer, Fahrerunterstützung. 7. VDI-Tagung. und Bedienbarkeit. Braunschweig,
DI m Fahrzeug und Verkehrstechnik 7. VDITagung Der Fahrer im 21. Jahrhundert Fahrer, Fahrerunterstützung und Bedienbarkeit Braunschweig, 5. und 6. November 2013 VDIBerichte 2205 Eingangsgröße Inhalt Vorwort
MehrFuzzy Logic Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic
Fuzzy Logic Nouri@nouri.ch 25.09.14 Prof. Dr. Lotfi Zadeh, Erfindervon Fuzzy Logic Theoretische Einführung Was ist Fuzzy Logic? Entwicklungsgeschichte Fuzzy Logic Information und Komplexität Arten der
MehrModellierung des operativen und taktischen Verhaltens von Radfahrern an signalgesteuerten Knotenpunkten
Simulation und Verhaltensmodellierung (SIM) Modellierung des operativen und taktischen Verhaltens von Radfahrern an signalgesteuerten Knotenpunkten Heather Twaddle M.Sc. Technische Universität München
MehrVerkehrsforschung für den Menschen Für mehr Sicherheit und Effizienz des Verkehrs
Verkehrsforschung für den Menschen Für mehr Sicherheit und Effizienz des Verkehrs Prof. Dr.-Ing. Karsten Lemmer DLR, Verkehrsforschung für den Menschen > 22. Mai 2007 > Folie 1 Sitz: Braunschweig, Berlin
MehrVorlesung Maschinelles Lernen
Vorlesung Maschinelles Lernen Stützvektormethode Katharina Morik LS 8 Informatik Technische Universität Dortmund 12.11.2013 1 von 39 Gliederung 1 Hinführungen zur SVM 2 Maximum Margin Methode Lagrange-Optimierung
Mehr4 Konstruktionsentwurf Aufgabenstellung
4 Konstruktionsentwurf Aufgabenstellung Der Konstruktionsentwurf ist bis zum 30.09.2010 im Sekretariat Mechatronik abzugeben. Die Erstellung der Konstruktion und der Fertigungszeichnungen erfolgt mittels
MehrVorlesung Maschinelles Lernen
Vorlesung Maschinelles Lernen Stützvektormethode Katharina Morik LS 8 Informatik 8.11.2011 1 von 38 Gliederung 1 2 Lagrange-Optimierung 2 von 38 Übersicht über die Stützvektormethode (SVM) Eigenschaften
MehrBewegungsplanung für den vierbeinigen Roboter AMEE. Björn Bettzüche
Bewegungsplanung für den vierbeinigen Roboter AMEE Einleitung Vergleichbare Arbeiten Zusammenfassung Referenzen Projekt AMEE SAR 4 intelligente Beine SLAM Sicheres Navigieren 4 [5] 5 Bildbasiert zu ungenau
MehrKonzeption einer Architektur für ein Werkzeug zur Verkehrssimulation unter Berücksichtigung von Fahrerassistenzsystemen
Konzeption einer Architektur für ein Werkzeug zur Verkehrssimulation unter Berücksichtigung von Fahrerassistenzsystemen Diplomarbeitsvortrag Oliver Betreuer: Prof. Dr.-Ing. K. Böhm Betreuender Mitarbeiter:
MehrKonstantenmultiplikation
Konstantenmultiplikation Hauptseminar technische Informatik Martin Thümmler Institut für technische Informatik TU Dresden 21.06.2018 Martin Thümmler (TEI) Konstantenmultiplikation 21.06.2018 1 / 29 Motivation
MehrAutonome Arousals als Indikator kortikaler Arousals
Autonome Arousals als Indikator kortikaler Arousals Mathias Basner Folie 1 > VINESH Abschlussveranstaltung > Mathias Basner Hintergrund Polysomnographie ist der Goldstandard zur Messung von Schlaf und
MehrFuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle
Fuzzy Logik und Genetische Algorithmen für adaptive Prozesskontrolle Umgang mit unsicherem Wissen VAK 03-711.08 Oliver Ahlbrecht 8. Dezember 2005 Struktur 1. Einleitung 2. Beispiel Cart-Pole 3. Warum Hybride
MehrProjekt Maschinelles Lernen WS 06/07
Projekt Maschinelles Lernen WS 06/07 1. Auswahl der Daten 2. Evaluierung 3. Noise und Pruning 4. Regel-Lernen 5. ROC-Kurven 6. Pre-Processing 7. Entdecken von Assoziationsregeln 8. Ensemble-Lernen 9. Wettbewerb
MehrVerkehrslageberechnung mit Floating Car Data und GIP Karl Rehrl, Salzburg Research Präsentation beim GIP Day 2014, 4.7.
Verkehrslageberechnung mit Floating Car Data und GIP Karl Rehrl, Salzburg Research Präsentation beim GIP Day 2014, 4.7.2014 Überblick 2 1. Motivation 2. Prinzip der Verkehrslageberechnung mit FCD 3. Erkennung
MehrLED-Band basiertes Interaktionskonzept für ein integratives Fahrerassistenzsystem
LED-Band basiertes Interaktionskonzept für ein integratives Fahrerassistenzsystem Marc Dziennus & Johann Kelsch Deutsches Zentrum für Luft- und Raumfahrt, DLR Marc.Dziennus@dlr.de 1. Kongress der Fachgruppe
MehrBertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren
Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren Regensburg, 18.05.2017, Ulrich Haböck Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren 0 Agenda Grundlagen Machine
MehrCompanion Technologie
Companion Technologie Emotionen erkennen, verstehen und kai.bielenberg@haw-hamburg.de Agenda 1. Einleitung a. Was war nochmal Companion Technologie? b. Teilbereiche c. Warum Emotionen? 2. Ansätze a. Facial
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrMehr Sicherheit innerorts was sagt die Forschung?
Mehr Sicherheit innerorts was sagt die Forschung? Fachtagung «Suisse Public», 13. Juni 2017, Bern Stefan Siegrist, Dr. phil.; EMBA; Stv. Direktor, bfu s.siegrist@bfu.ch www.bfu.ch Mehr Sicherheit innerorts
MehrAutonomes Fahren Technologien und Chancen
Shaping the future Autonomes Fahren Technologien und Chancen Roland Siegwart, ETH Zurich www.asl.ethz.ch www.wysszurich.ch ETH, Januar 31, 2017 Roland Siegwart 31.01.2017 1 Mobilität der Puls unserer Gesellschaft
MehrABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE
ABSICHERUNGS- UND BEWERTUNGSMETHODEN FÜR KOOPERATIVE HOCHAUTOMATISIERTE FAHRZEUGE AAET-2017, Braunschweig Sven Hallerbach, Ulrich Eberle (Adam Opel AG) Frank Köster (DLR) www.opel.com MOTIVATION Kooperatives
MehrOberflächennahe und ferne Gestenerkennung mittels 3D-Sensorik
Oberflächennahe und ferne Gestenerkennung mittels 3D-Sensorik 26.10.2016 Gliederung Gesten für Mensch-Maschine Interaktion Anwendungsszenario Interaktive Projektionssitzkiste Herausforderungen Lösungsansatz
MehrVerkehrsmikrosimulationen mit Echtzeitdaten Herausforderungen und Chancen
Institut Verkehrstelematik, Professur für Verkehrsleitsysteme und -prozessautomatisierung Verkehrsmikrosimulationen mit Echtzeitdaten Herausforderungen und Chancen Dipl.-Ing. Mario Krumnow Technische Universität
MehrKooperative Positionierung von Verkehrsteilnehmern auf Basis von GNSS, LiDaRund IEEE p. 14. VIMOS-Symposium November 2018, Dresden
Kooperative Positionierung von Verkehrsteilnehmern auf Basis von GNSS, LiDaRund IEEE 802.11p 14. VIMOS-Symposium 29. - 30. November 2018, Dresden Agenda 1. Motivation 2. Kooperative Positionierung 3. Positionierung
MehrSystemkonzept eines modularen HiL-Systems für modellbasierte Funktionsentwicklung fahrzeugmechatronischer Systeme
Systemkonzept eines modularen HiL-Systems für modellbasierte Funktionsentwicklung fahrzeugmechatronischer Systeme Workshop der ASIM/GI-Fachgruppen, 09./10.03.2017, Ulm Prof. Dr.-Ing. X. Liu-Henke M.Eng.
MehrModellbasierte Softwareentwicklung eines Kamera basierten Scheinwerfer-Adaptions-Algorithmus. Gerd Mauthe
Modellbasierte Softwareentwicklung eines Kamera basierten Scheinwerfer-Adaptions-Algorithmus Gerd Mauthe München 10.05.2016 MATLAB Expo 2016 Inhalte Vorstellung Thema Algorithmus Konzepte Implementierung
MehrHMI Spezifikation Methode, Prozess & Tool
10.3.2004 Seite 1 HMI Spezifikation Methode, Prozess & Tool Spezifikation des Human Machine Interface (HMI) bei der Manfred Geischeder, Hans-Jörg Otto, Frank Stöckel, HOOD-Group Seite 2 Hintergrund Zentrales
MehrKamerabasierte Erkennung von Fußgängern in urbanen Verkehrsszenen
Kamerabasierte Erkennung von Fußgängern in urbanen Verkehrsszenen Vortragender: Studiengang: Betreuer: Yeyi Qiu Fahrzeugtechnik Prof. Dr. rer. nat. Toralf Trautmann M. Sc. Patrick Richter Seite 01 von
MehrComplex Event Processing
[10] Armin Steudte HAW Hamburg Masterstudiengang Informatik - WS 2011/2012 Agenda Motivation Grundlagen Event Processing Networks Ausblick Quellen 2 Agenda Motivation Grundlagen Event Processing Networks
MehrMethoden zur Beschreibung der räumlichen Farbhomogenität von LED-Systemen
Methoden zur Beschreibung der räumlichen Farbhomogenität von LED-Systemen Masterarbeit von Ingo Rotscholl Betreuer: Dr.-Ing. Klaus Trampert Referent: Prof. Dr. Cornelius Neumann Lichttechnisches Institut
MehrEmpfehlungen für Touchgestikinteraktion mit Fahrerinformationssystemen. Antrittsvortrag Diplomarbeit.
Empfehlungen für Touchgestikinteraktion mit Fahrerinformationssystemen. Antrittsvortrag Diplomarbeit. Katja Hertzschuch Betreuer: Dr. Verena Broy, Ronald Ecker Seite 2 Agenda 1 2 3 Warum Touch-Bedienung
MehrImproving the Accuracy of GPS
Improving the Accuracy of GPS Stephan Kopf, Thomas King, Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim Gliederung Motivation ierungsfehler von GPS Steigerung der Genauigkeit
MehrIntelligentes Energiemanagement für elektrisch angetriebene Fahrzeuge 08.12.2015 Julian Eckstein. www.its-owl.de
Intelligentes Energiemanagement für elektrisch angetriebene Fahrzeuge 08.12.2015 Julian Eckstein Gliederung 1. Innovationsprojekt ReelaF Zielsetzung Motivation 2. Arbeitspaket 5: Energiemanagement Konzept
MehrProjektarbeiten WiSe 13/14
Projektarbeiten WiSe 13/14 Fynn Schwiegelshohn, Muhammed Al Kadi, Max Ferger Prof. Dr.-Ing. Michael Hübner, Lehrstuhl für Eingebettete Systeme der Informationstechnik (ESIT) Fakultät für Elektrotechnik
MehrHerausforderungen beim Fahren virtueller Testkilometer. 8. IBS-Workshop Automotive Software Engineering Bernd Huber, Dr.
Herausforderungen beim Fahren virtueller Testkilometer 8. IBS-Workshop Automotive Software Engineering Bernd Huber, Dr. Mirko Nentwig 2 Unsere Themen Motivation Prämisse Vision Anforderung Herausforderungen
MehrRegler- und Funktionsentwicklung mechatronischer Lenksysteme mit Hilfe eines HIL-Fahrsimulators
Regler- und Funktionsentwicklung mechatronischer Lenksysteme mit Hilfe eines HIL-Fahrsimulators Dipl.-Ing. Steffen Stauder Prof. Dr.-Ing. Steffen Müller Lehrstuhl für Mechatronik in Maschinenbau und Fahrzeugtechnik
MehrWer fährt? Möglichkeiten und Grenzen von Fahrerinformations- und Fahrerassistenzsystemen
Wer fährt? Möglichkeiten und Grenzen von Fahrerinformations- und Fahrerassistenzsystemen Prof. Dr. J. Krems TU- Chemnitz krems@psychologie.tu-chemnitz.de Übersicht 1. Information, Assistenz, Automatisierung
MehrEinführung. ECU-übergreifende Funktionen nehmen immer mehr zu! z.b. bei Fahrerassistenz-Systemen
Einführung ECU-übergreifende Funktionen nehmen immer mehr zu! z.b. bei Fahrerassistenz-Systemen Einparken, Abstandsregeltempomat, unterstützt diesen Trend durch eine geeignete Entwicklungs-Methodik! Funktion
MehrFuzzy Logic und Wahrscheinlichkeit
Philosophische Fakultät Institut für Philosophie, Lehrstuhl für Theoretische Philosophie, Holm Bräuer M.A. Fuzzy Logic und Wahrscheinlichkeit Ein Kurzüberblick Was ist Fuzzy Logic? Fuzzy-Logik (englisch:
Mehr00_TABLE OF CONTENTS_ DE.indd 0/22/202 0:5:55 AM
00_TABLE OF CONTENTS_ DE.indd 0/22/202 0:5:55 AM 00_TABLE OF CONTENTS_ DE.indd 2 0/22/202 0:5:55 AM 00_TABLE OF CONTENTS_ DE.indd 3 0/22/202 0:5:55 AM 00_TABLE OF CONTENTS_ DE.indd 4 0/22/202 0:5:55 AM
MehrEvidenzbasierte Sturzerkennung mit Hilfe von Vision- und Beschleunigungssensorik
Evidenzbasierte Sturzerkennung mit Hilfe von Vision- und Beschleunigungssensorik Matthias Gietzelt 1, Jens Spehr 2, Michael Marschollek 1, Mehmet Gövercin 3, Yvonne Költzsch 3, Klaus-Hendrik Wolf 1, Bianying
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrANALYSE VON HWS-BESCHWERDEN UNTER BERÜCKSICHTIGUNG VON CRASH RECORDER DATEN
ANALYSE VON HWS-BESCHWERDEN UNTER BERÜCKSICHTIGUNG VON CRASH RECORDER DATEN EINE FALL-KONTROLL-STUDIE B. Jordan, K.U. Schmitt, D. Bützer, B. Zahnd David Bützer, 27.04.2017 Crash Recorder Daten als Indiz
MehrFahrerspezifische Analyse des Fahrverhaltens zur Parametrierung aktiver Sicherheitssysteme
Fahrerspezifische Analyse des Fahrverhaltens zur Parametrierung aktiver Sicherheitssysteme Colin Bauer Carmeq GmbH, Freie Universität Berlin Berlin colin.bauer@carmeq.com Dr. Mark Gonter Volkswagen AG
MehrAutomatische Analyse und Exploration von Mediendaten. Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB)
Automatische Analyse und Exploration von Mediendaten Prof. Dr. Ralph Ewerth Technische Informationsbibliothek (TIB) Relevante Forschungsthemen Automatische Annotation & semantische Suche (Bilder, Video,
MehrKRYPTOSYSTEME & RSA IM SPEZIELLEN
KRYPTOSYSTEME & RSA IM SPEZIELLEN Kryptosysteme allgemein Ein Kryptosystem ist eine Vorrichtung oder ein Verfahren, bei dem ein Klartext mithilfe eines Schlüssels in einen Geheimtext umgewandelt wird (Verschlüsselung)
MehrIdeen und Konzepte der Informatik. Maschinelles Lernen. Kurt Mehlhorn
Ideen und Konzepte der Informatik Maschinelles Lernen Kurt Mehlhorn Übersicht Lernen: Begriff Beispiele für den Stand der Kunst Spamerkennung Handschriftenerkennung mit und ohne Trainingsdaten Gesichts-
MehrRundreiseproblem und Stabilität von Approximationsalg.
Das Rundreiseproblem und Stabilität von Approximationsalgorithmen Friedrich Alexander Universität Erlangen-Nürnberg Seminar Perlen der theoretischen Informatik, 2008-01-19 http://verplant.org/uni/perlen/
MehrAUTONOMES FAHREN TRENDS UND HERAUSFORDERUNGEN IN DER IKT FORSCHUNG
AUTONOMES FAHREN TRENDS UND HERAUSFORDERUNGEN IN DER IKT FORSCHUNG Prof. Dr. Ing. J. Marius Zöllner FZI Forschungszentrum Informatik am Karlsruher Institut für Technologie FZI FORSCHUNGSZENTRUM INFORMATIK
MehrKooperativer Kreuzungsassistent auf Datenbasis des elektronischen Horizonts und C2X-Kommunikation. Benedikt Bernais Heiko Kuhfuß
Vernetztes Verkehrssystem Smarte Kreuzung und Urbane Straßen Kooperativer Kreuzungsassistent auf Datenbasis des elektronischen Horizonts und C2X-Kommunikation Benedikt Bernais Heiko Kuhfuß Continental
MehrDriveGOMS Fahrermodellierung und formale Beschreibung von Fahrerverhalten
DriveGOMS Fahrermodellierung und formale Beschreibung von Fahrerverhalten AAET 2018 David Käthner DLR DLR.de Folie 2 Megatrend Automation wired.com (2015) Waymo 2018: Testprogramm für Robo-Taxis https://medium.com/self-driven/a-decade-after-darpa-our-viewon-the-state-of-the-art-in-self-driving-cars-3e8698e6afe8
MehrBachelorarbeit Erkennung von Fließtext in PDF-Dokumenten
Bachelorarbeit Erkennung von Fließtext in PDF-Dokumenten 16.08.2016 David Spisla Albert Ludwigs Universität Freiburg Technische Fakultät Institut für Informatik Gliederung Motivation Schwierigkeiten bei
MehrENTWICKLUNGSPSYCHOLOGIE & SOZIALISATION. Mädchenschachpatent 2015 in Nußloch Referentin: Melanie Ohme
ENTWICKLUNGSPSYCHOLOGIE & SOZIALISATION 1 Mädchenschachpatent 2015 in Nußloch Referentin: Melanie Ohme ÜBERSICHT Entwicklungspsychologie Einführung Faktoren der Entwicklung Geschlechterunterschiede Diskussionen
MehrVERNETZUNGSTECHNOLOGIEN ALS BEITRAG ZUR INTEGRIERTEN KOLLISIONSVERMEIDUNG. DR. MORITZ WERLING, PHILIPP REINISCH, PROF. DR.
München, 16. Mai 2012 VERNETZUNGSTECHNOLOGIEN ALS BEITRAG ZUR INTEGRIERTEN KOLLISIONSVERMEIDUNG. DR. MORITZ WERLING, PHILIPP REINISCH, PROF. DR. DIETER SCHRAMM AGENDA. Motivation Aktive Gefahrenbremsung
MehrKonstruktion von guten linearen Blockcodes
Universität Bayreuth Konstruktion von guten linearen Blockcodes Markus Grassl in Zusammenarbeit mit Greg White, University of Sydney Institut für Algorithmen und Kognitive Systeme Fakultät für Informatik
MehrMensch konstruiert aktiv und zielgerichtet sich selbst und seine Umwelt.
THEMA : SELBSTREGULATION ALLGEMEINE ANNAHMEN: Mensch konstruiert aktiv und zielgerichtet sich selbst und seine Umwelt. 1. Menschen konstruieren ihre eigenen Meinungen, Ziele und Strategien aus den verfügbaren
MehrSemi-Skylines und Skyline Snippets
Skyline von Manhattan, NY, USA Semi-Skylines und Skyline Snippets Markus Endres Universität Augsburg 10. Februar 2011 Skyline Queries Finde preiswerte Hotels in Strandnähe! Distance to the beach [km] 2.0
MehrKlima Rundum. Aufgaben
1 Klima Rundum Aufgaben 1. Fülle die Tabelle aus und berechne den mittleren Jahresniederschlag für jeden Ort! Dabei genügen Schätzungen der Werte (mit Hilfe eines Lineals!). Ort Höhe über dem Meer Maximum
MehrDigitalisierter und automatisierter Verkehr Chancen für unsere Gesellschaft
DLR.de Folie 1 Digitalisierter und automatisierter Verkehr Chancen für unsere Gesellschaft PD Dr. Meike Jipp meike.jipp@dlr.de DLR.de Folie 2 Digitalisierung, Vernetzung und Automatisierung Digitalisierung
MehrGigE Vision und GenICam: Das Zusammenspiel
GigE Vision und GenICam: Das Zusammenspiel Lars Fermum Schulungsleiter STEMMER IMAGING GmbH TechnologieTag GigE Vision und GenICam München, 14. September 2006 M E M B E R O F T H E S T E M M E R I M A
MehrAuswirkung körperlicher Aktivität auf die psychische Gesundheit bei Kindern und Jugendlichen. Dr. Sebastian Ludyga,
Auswirkung körperlicher Aktivität auf die psychische Gesundheit bei Kindern und Jugendlichen Dr. Sebastian Ludyga, 15.01.18 Kognition und psychische Gesundheit Verlauf über Lebenszeit Universität Basel
MehrPraktische Informatik I
Praktische Informatik I WS 2005/2005 Prof. Dr. Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim 1. Einführung 1-1 Inhaltsverzeichnis (1) 1. Einführung 1.1 Was ist Informatik?
MehrBerechnung von Abständen
3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.
MehrAuswirkungen von Lang-Lkw. in Einfahrten und Arbeitsstellen auf Autobahnen. Feldversuch mit Lang-Lkw
Feldversuch mit Lang-Lkw Auswirkungen von Lang-Lkw auf Verkehrssicherheit und Verkehrsablauf in Einfahrten und Arbeitsstellen auf Autobahnen Diesem Vortrag liegen Teile der im Auftrag der Bundesanstalt
MehrBachelorarbeit Präsentation Clemens Ornetzeder
Bachelorarbeit Präsentation Clemens Ornetzeder Betreuer: Dr. Florian Reiterer VOLLAUTOMATISIERTE GLUKOSEREGELUNG BEI TYP-2-DIABETIKERN Institut für Design und Regelung Mechatronischer Systeme BACHELORARBEIT
MehrAlgorithmen und Datenstrukturen
Rheinisch-Westfälische Technische Hochschule Aachen Lehrstuhl für Informatik VI Algorithmen und Datenstrukturen Vorlesungsmitschrift zur Vorlesung im SS 2004 Prof. Dr.-Ing. H. Ney Letzte Überarbeitung:
MehrSensoren für Fahrerassistenzsysteme Von Komfort- zu Sicherheitssystemen Sensors for Driver Assistant Systems - From Comfort to Safety Systems
15 Aachener Kolloquium Fahrzeug- und Motorentechnik 2006 1 Sensoren für Fahrerassistenzsysteme Sensors for Driver Assistant Systems - From Comfort to Safety Systems Dipl-Ing Jürgen Seuss Hella KGaA, Lippstadt
MehrLogische Programmierung
1. Vorbemerkungen 1-1 Logische Programmierung Stefan Brass Institut für Informatik Fachgebiet Datenbanken und Informationssysteme Prof. Dr. Udo W. Lipeck 1. Vorbemerkungen 1-2 Organisatorisches Sprechstunde:
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 Automatische Gesichtserkennung Dominikus Baur Gesichtserkennung in MPEG-7 MPEG-7 bietet Face Descriptor zur Beschreibung von Gesichtern Im Folgenden:
MehrEin etwas anderer Morgen für Sal [0] [10]
Ein etwas anderer Morgen für Sal [0] [10] Integrationsplattform für HCI Untersuchungen in Smart Environments Sobin Ghose - Masterseminar SS2015 EmotionBike HAW Hamburg Worum geht s? Motivation [1] J.A.R.V.I.S.
MehrFortgeschrittene emotionale Systeme
Fortgeschrittene emotionale Systeme Techniken für realistischere NPCs Motivation Probleme mit herkömmlichen FSMs Begrenzte Anzahl an Basisemotionen modellierbar => Systemkomplexität Statisches System =>
MehrAuf dem Weg zum automatisierten Fahren
Auf dem Weg zum automatisierten Fahren Robustheitsanalyse der Steuergerätesoftware durch die Simulation systematisch variierter Verkehrsszenarien Steffen Wittel, Daniel Ulmer und Oliver Bühler Embedded
MehrFahrradausbildung - Bicycle Safety Training
Fahrradausbildung - Bicycle Safety Training [Ref.: Der schlaue Radfahrer LAMA Verlag 2005] Helferkreis Karlskron 2015 1. Grundsätzliche Regeln STVO ( Straßenverkehrsordnung ): 1) Radfahrer müssen einzeln
MehrDo triangles play tricks? Attribution of mental states to animated shapes in normal and abnormal development. Abell, Happé, & Frith (2000)
Do triangles play tricks? Attribution of mental states to animated shapes in normal and abnormal development. Abell, Happé, & Frith (2000) 12. Dezember 2012 Theory of Mind bei Autismus 2 Theoretischer
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrMaximilian Naumann 1, Piotr F. Orzechowski 2, Christoph Burger 2, Ömer Sahin Tas 1, Christoph Stiller 1,2
FZI FORSCHUNGSZENTRUM INFORMATIK Herausforderungen für die Verhaltensplanung kooperativer automatischer Fahrzeuge Maximilian Naumann 1, Piotr F. Orzechowski 2, Christoph Burger 2, Ömer Sahin Tas 1, Christoph
MehrWohin fahren sie denn? Erfassung von Verkehrsteilnehmern und ihrer Interaktion an urbanen Straßenkreuzungen
DLR.de Folie 1 Wohin fahren sie denn? Erfassung von Verkehrsteilnehmern und ihrer Interaktion an urbanen Straßenkreuzungen Dr.-Ing. Marek Junghans DLR.de Folie 2 Inhalt Motivation Objekterkennung, -klassifizierung
MehrAutomatische Erkennung der Frustration von Autofahrern. Ergebnisse und Anwendungsmöglichkeiten
DLR.de Folie 1 Automatische Erkennung der Frustration von Autofahrern Ergebnisse und Anwendungsmöglichkeiten Klas Ihme, Meng Zhang & Meike Jipp DLR.de Folie 2 Links: http://fox59.com/2017/02/03/police-case-of-road-rage-led-to-crash-that-flipped-over-car/
MehrForschungsmethoden VORLESUNG SS 2018
Forschungsmethoden VORLESUNG SS 2018 SOPHIE LUKES Überblick Letzte Woche: - Hypothesen Heute: -Versuchspläne Rückblick Hypothesentesten Merkmale von Hypothesen verschiedene Arten von Hypothesen Logik des
MehrFahrerzustandsbeobachtung und -messung. Dr. Katharina Seifert K-EFFB/S
Fahrerzustandsbeobachtung und -messung Dr. Katharina Seifert K-EFFB/S Agenda Motivation für die Fahrerzustandsbeobachtung Ergebnisse der Unfallforschung Ziele der Fahrerzustandsbeobachtung Fahrerzustand:
MehrEntwicklung eines Algorithmus zur Prädiktion eines innerstädtischen Fahrstreifenwechsels
Entwicklung eines Algorithmus zur Prädiktion eines innerstädtischen Fahrstreifenwechsels Am Fachbereich Maschinenbau an der Technischen Universität Darmstadt zur Erlangung des akademischen Grades eines
MehrPhysiologische Messungen am Gehirn bei bewussten und unbewussten Wahrnehmungen. André Rupp Sektion Biomagnetismus Neurologische Universitätsklinik
Physiologische Messungen am Gehirn bei bewussten und unbewussten Wahrnehmungen André Rupp Sektion Biomagnetismus Neurologische Universitätsklinik Elektroenzephalographie - EEG Gliederung 1. Methodik -
MehrVortrag EAS 2007 Ausschnitt aus den Seminarunterlagen. Basiswissen über Fahrerassistenzsysteme V3.0
Vortrag EAS 2007 Ausschnitt aus den Seminarunterlagen Basiswissen über Fahrerassistenzsysteme V3.0 Dr. Karl de Molina FTronik GmbH Dornach, Januar 2010 Seminar 2010: Basiswissen Fahrerassistenzsysteme
MehrNeue Ansätze für Mustererkennung und automatisches Lernen
Z Y X Neue Ansätze für Mustererkennung und automatisches Lernen Vortrag im Rahmen des 2. Technologieforums Bildverarbeitung am 03./04. November 2015 Johannes Zügner STEMMER IMAGING GmbH, Puchheim GLIEDERUNG
MehrDie Verstärker-Verlust-Theorie nach Lewinsohn M. Backenstraß
Die Verstärker-Verlust-Theorie nach Lewinsohn M. Backenstraß Psychiatrische Klinik, Universitätsklinikum Heidelberg Annahmen zur Entstehung der I Eine geringe Rate an verhaltenskontingenten positiven Verstärkern
MehrQuantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen
Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen, Jonas Steinbock, André Fiebach, Thomas Lederer Erfahrungsaustausch zum Thema Flow am 29.2.2016
Mehr