ForschungBig Data und Machine Learning
Laserscanner-basierte Prädiktion von Passantenbewegungen durch Filterung und Klassifikation der Körperhaltung

Laserscanner-basierte Prädiktion von Passantenbewegungen durch Filterung und Klassifikation der Körperhaltung

Leitung:  Claus Brenner, Steffen Busch
Team:  Matthias Fahrland
Jahr:  2019
Ist abgeschlossen:  ja

Vor dem Hintergrund der Sicherheit im Straßenverkehr wird im Folgenden ein Algorithmus vorgestellt, der auf Basis von Punktwolken eine möglichst genaue Vorhersage über die zukünftige Position von Fußgängern trifft. Ein Kernelement ist dabei den aktuellen Bewegungszustand der Fußgänger über einen Random Forest zu klassieren. Dabei steht vor allem eine frühe Detektion von Wechseln zwischen einzelnen Zuständen im Fokus. Zur Klassierung fließen unter anderem Informationen über die Körperhaltung als Merkmal ein, die durch eine Abstandsanalyse der Punkte einer Wolke zu enthaltenen lokalen Ebenen gewonnen werden. Die Schätzung von Position und Dynamik der Fußgänger über ein Interacting Multiple Model Kalman Filter bildet das zweite Kernelement. Mittels Kombination von Filterlösung und Klassierung wird abschließend eine Vorhersage über die zukünftige Position eines Fußgängers getroffen. Es wird gezeigt, dass die Genauigkeit dieser Schätzung die Genauigkeit einer Vorhersage, die ausschließlich auf der Filterlösung beruht, übertrifft.