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

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

Team:  Matthias Fahrland
Jahr:  2018
Laufzeit:  2018
Ist abgeschlossen:  ja

Fußgänger stellen eine besonders verletzliche  Gruppe von Verkehrsteilnehmern dar und machen in europäischen Ländern bis zu einem Viertel der Verkehrstoten aus. Diesbezüglich ist das Ziel dieser Arbeit die Entwicklung eines Algorithmus, der die Sicherheit von Fußgängern im Straßenverkehr erhöht. Dazu sollen zur Vermeidung von Kollisionen zukünftige Positionen von Fußgängern vorhergesagt werden. Datengrundlage dieser Vorhersage bilden die Punktwolken der Passanten, die von Laserscannern, montiert auf einem Auto, aufgenommen wurden. Bearbeitet wurde das Thema bei der Ingenieursgesellschaft Auto und Verkehr (IAV).

Zur Prädiktion der Fußgängerbewegungen wird die Position, die Geschwindigkeit und die Beschleunigung über ein Interacting Multiple Model Kalman Filter (IMM) geschätzt. Dieses stellt eine Erweiterung des herkömmlichen Kalman Filters dar und nähert den Zustand eines Objektes anhand mehrerer Bewegungsmodelle an. Die umgesetzten Bewegungsmodelle repräsentieren dabei die verschiedenen Bewegungszustände des Objektes und sind hier das:

  •        Modell der konstanten Position (CP) zur Modellierung des Stehens
  •        Modell der konstanten Geschwindigkeit (CV) zur Modellierung des Gehens
  •        Modell der konstanten Beschleunigung (CA) zur Modellierung von Wechseln (Starten, Stoppen)

Durch die Gewichtung der Modelle wird abschließend der gefilterte Zustand bestimmt.

Die Fähigkeit von Menschen unmittelbar ihren Bewegungszustand zu wechseln, erschwert jedoch das Treffen einer verlässlichen Vorhersage.  So wird zudem durch einen Random Forest der aktuelle Bewegungszustand klassifiziert, um mögliche Wechsel im Vorfeld früh zu erkennen. Die Klassen in denen die Fußgängerbewegungen eingeteilt werden sind dabei Stehen, Gehen, Stoppen und Starten. Die Reaktion des IMM (Modellwahrscheinlichkeiten) und der Klassifizierung (Klassenwahrscheinlichkeiten), in Situationen, in denen ein Fußgänger anfängt zu Gehen, sind nachfolgend vergleichend dargestellt.

Durch die Klassifizierung werden Wechsel zwischen Bewegungszuständen früh erkannt und dieses zusätzliche Wissen in die Filterung miteinbezogen. Dazu werden anhand der Klassenwahrscheinlichkeiten die Modellwahrscheinlichkeiten des IMM angepasst und auf Grundlage dessen der Zustand prädiziert. Durch die Kombination kann der Fehler beim Loslaufen um über 20 cm verringert werden.