Brenner - Research Projects

Laser Scanning

  • Localization and mapping using maximum consensus
    The long-term goal of this research topic is the creation of a localization and mapping algorithm, which is robust against outliers and disturbances. The research project is embedded in the Research Training Group “Integrity and Collaboration in Dynamic Sensor Networks (i.c.sens)” and primarily aims at improving integrity measures. The research is devided into two steps. In the first step, the localization considering the map as known is examined. In the second step, the problem will be extended treating the map as unknown as well.
    Team: Axmann, Brenner
    Year: 2020
  • Collaborative acquisition of predictive maps
    Self-driving cars and robots that run autonomously over long periods of time need high precision and up-to-date models of the environment. Natural environments contain dynamic objects and change over time. Since a permanent observation of “everything” is impossible and there will always be a first time visit of the changed area, a map that takes into account the possibility of change is needed.
    Team: Schachtschneider, Brenner
    Year: 2017
    Sponsors: DFG-Graduiertenkolleg i.c.sens

Robotics

  • Erstellung dynamischer Karten durch kooperative Fahrzeuge
    Bereits heute sind viele Fahrzeuge mit Sensoren versehen, wodurch eine sehr große Menge sensorieller Daten über den Straßenraum zur Verfügung steht. Bisher werden diese Sensordaten nur individuell von jedem Fahrzeug ausgewertet. Beispielsweise werten Assistenzsysteme die Lage aus und leiten daraus ihr unmittelbares Verhalten (z.B. Notbremsung) ab. Das abgeleitete Wissen steht jedoch anderen Verkehrsteilnehmern nicht zur Verfügung. Dies hat den Nachteil, dass ein Aufbau von Wissen, beispielsweise über gefahrenträchtige Orte, nicht stattfindet.
    Team: Busch, Brenner
    Year: 2017
    Sponsors: Deutsche Forschungsgemeinschaft (DFG)
  • Landmark-based localization
    Within the project, new approaches are developed for a highly accurate localization of vehicles relative to their environment. Furthermore, it is analyzed how detailed descriptions of the environment can be used for interpreting the scenery, for example for active driver assistance systems
    Team: Schlichting, Brenner
    Year: 2017
  • Semantic Segmentation of Point Clouds using Semi Supervised Transfer Learning
    Semantic segmentation in 3d describes a point wise classification of point clouds. We think this task is challenging because on one side it is hard for humans to annotate the necessary data, because objects may appear ambiguous and labelling in 3d can be time consuming. On the other hand it appears that there is still no preferred way of how the data should be processed in order to use it with deep neural networks.
    Leaders: Brenner
    Team: Peters, Brenner
    Year: 2017
    Sponsors: DFG-Graduiertenkolleg i.c.sens
  • Collaborative acquisition of predictive maps
    Self-driving cars and robots that run autonomously over long periods of time need high precision and up-to-date models of the environment. Natural environments contain dynamic objects and change over time. Since a permanent observation of “everything” is impossible and there will always be a first time visit of the changed area, a map that takes into account the possibility of change is needed.
    Team: Schachtschneider, Brenner
    Year: 2017
    Sponsors: DFG-Graduiertenkolleg i.c.sens

Project Seminar

  • Large scale mobile mapping and change detection
    Aufgabe des Projektseminars mit dem Titel „Large scale Mobile Mapping change detection“ war die Extraktion dynamischer Objekte, wie Fahrzeuge oder Fußgänger, aus Laserscanning-Daten eines Mobile-Mapping-Systems (siehe Abbildung 1). Zur Detektion der Dynamiken wurden zwei Ansätze gewählt: eine Änderungsdetektion sowie die Klassifizierung durch Verfahren des maschinellen Lernens. Im Falle der Änderungsdetektion werden zwei Punktwolken desselben Gebietes aus unterschiedlichen Messkampagnen miteinander verglichen. Statische Objekte zeichnen sich dadurch aus, dass innerhalb eines bestimmten Radius korrespondierende Punkte in beiden Datensätzen gefunden werden können. Kann für einen Punkt kein korrespondierender Punkt im jeweils anderen Datensatz gefunden werden, so wird dieser als dynamisch markiert.
    Leaders: Brenner, Schachtschneider, Schlichting
    Team: Adeolu Eribake, Ahmed Al-Taan, Anit Salgotra, Hasan Sharifi, Mirjana Voelsen
    Year: 2018
  • "Leibniznavigator"
    Gerade für Erstsemester und Gäste der Leibniz Universität Hannover ist es am Anfang schwierig, sich in den Gebäuden der Universität zu orientieren und den gewünschten Raum zu finden. In anderen Universitäten und Hochschulen, z.B. in Augsburg oder Karlsruhe, wurden zu diesem Zweck Applikationen zur Navigation auf dem Campus und teilweise auch innerhalb der Gebäude entwickelt. Für die Leibniz Universität Hannover sollte nun im Rahmen des Projektseminars eine App zur Indoor- und Outdoornavigation entwickelt werden, den Leibniz Navigator. Dazu sollten jeweils unterschiedliche Methoden zur Lokalisierung und Navigation evaluiert und auf ihre Umsetzbarkeit geprüft werden. Abgesehen von diesem groben Rahmen wurde den Studierenden die Planung und Umsetzung der konkreten Details überlassen.
    Leaders: Brenner, Czioska, Feuerhake, Hofmann, Kuntzsch, Schlichting
    Team: Sercan Çakır, Frederic Hake, Lukas Hynek, Simone Görler, Richu Mary Shelly, Oskar Wage
    Year: 2017

Bachelor Theses (finished)

  • Klassifikation von Mobile Mapping LiDAR Punktwolken
    In vielen Anwendungsgebieten der Geodäsie, beispielsweise dem des autonomen Fahrens, gewinnt die automatische Erkennung von Objekten in (urbanen) Regionen an Relevanz. Eingesetzt werden dafür verschiedene Aufnahmesysteme, dessen Daten in Echtzeit analysiert werden müssen. Besonders gut geeignet sind dafür Light Detection and Ranging (LiDAR) Punktwolken. In dieser Arbeit wird die Klassifikation von LiDAR Punktwolken verschiedener Methoden analysiert und bewertet. Als Datengrundlage dienten Scanstreifen aus einer Messkampagne des Instituts für Kartographie und Geoinformatik der Leibniz Universität Hannover. Mit Hilfe der Klassifikatoren Random Forests und Support Vector Machines konnten die einzelnen LiDAR Punkte 16 verschiedenen Klassen zugeordnet werden.
    Leaders: Brenner, Schachtschneider
    Team: Anat Schaper
    Year: 2020

Master Theses (finished)

  • Development of a Client-Server Module for Cooperative Multi-Robot Longterm Map Registration
    Nowadays a big amount of robots are used in production and logistic. Due to the large working environment, dynamic objects (e.g. humans or other robots), and semi-static objects (e.g.machine and furniture), a high performance navigation system is required. But only focus on the high performance long term SLAM on single robot is not enough to guarantee the flexible and accurate performance of whole robot fleet in large changing environment.
    Leaders: Tobias Ortmaier (IMES), Claus Brenner, Steffen Busch (IKG), Philipp Schnattinger (FraunhoferIPA)
    Team: Jiang Liwei
    Year: 2019
  • Classification and detection of road users using neural networks and Active Shape models
    Autonomous vehicles interpret their environment based on their sensor data. 360° laser scanners provide comprehensive and highly accurate information about the distance of objects. Predicting the behavior of road users differs between cars, trucks/buses, cyclists and pedestrians. The exact position of the different road users depends on their orientation and geometric dimensions. Active Shape models offer the possibility to estimate the center of objects by estimating deformable models, based on CAD plans and taking into account their orientation.
    Leaders: Bodo Rosenhahn (TNT), Claus Brenner, Steffen Busch (IKG)
    Team: Xiaoyu Jiang
    Year: 2019
  • Laser scanner-based prediction of pedestrian movements by filtering and classifying posture
    Against the background of road safety, an algorithm is presented below that uses point clouds to make the most accurate prediction possible about the future position of pedestrians. A core element is to classify the current state of movement of pedestrians over a random forest. The focus is on early detection of changes between individual states.
    Leaders: Claus Brenner, Steffen Busch
    Team: Matthias Fahrland
    Year: 2019
  • Robust registration of airborne point clouds
    Goal of this thesis is the robust registration of airborne point clouds, which are derived from Airborne Laser Scanning (ALS) and Dense Image Matching (DIM). We implemented a coarse, translative registration method using a Maximum Consensus Estimator and compared our results with a standard ICP. In addition, we tested several methods to prune object points from point clouds, which are represented differently in both point cloud types.
    Leaders: Politz, Brenner
    Team: Jannik Busse
    Year: 2019
  • Optimal assignment of point clouds using deep learning
    The main goal of this master thesis was to register airborne 3D point clouds from different sensor systems. These point clouds are derived from airborne laser scanning (ALS) and dense image matching (DIM) of aerial images. Those point clouds may cover the same surface, but do contain different attributes and characteristics. One major problem when dealing with those two point clouds is vegetation. The laser beam in ALS is able to penetrate vegetation leading to ground and vegetation points in the final point cloud. Since they are derived from aerial images, DIM point clouds only contain the surfaces and thus describes the treetops. This major difference between ALS and DIM causes problems for the registration of point clouds and established algorithms such as the iterative closest points (ICP) algorithm are facing issues when dealing with both point cloud types at the same time, because they assume that similar points are close to each other.
    Leaders: Brenner, Politz
    Team: Stephan Niehaus
    Year: 2019
  • Klassifikation und Änderungsdetektion in Mobile Mapping LiDAR Punktwolken
    3D-Modelle der statischen Umgebung zu erstellen ist eine wichtige Aufgabe für das Voranbringen von Fahrerassistenzsystemen und dem autonomen Fahren. Hierzu stehen in dieser Arbeit Mobile Mapping LiDAR Punktwolken aus 14 Messepochen zur Verfügung, die mithilfe eines Voxel Grids zu einer Referenzkarte weiterverarbeitet werden. Ein Voxel Grid ist eine Datenstruktur, die den realen Raum in volumenhafte Elemente unterteilt und die Punktdichte der Punktwolken reduziert. Zusätzlich werden Daten aus einer Strahlverfolgung bereitgestellt, sodass zwischen durchschossenen und unbekannten Voxeln unterschieden werden kann, wodurch sich Verdeckungen erkennen lassen.
    Leaders: Brenner, Schachtschneider
    Team: Mirjana Voelsen
    Year: 2019
  • Deep Learning for Flood Relevant Images and Texts from Social Media
    Floods are among Earth's most common and most destructive natural hazards. This work explores the idea of utilizing user-generated information from social media to recognize early signs of flood relevant events. The goal of this work lies in the development and implementation of a Deep Learning solution with the ability to detect the presence of flood relevant events from user-generated images and texts.
    Leaders: Yu Feng, Prof. Brenner
    Team: Sergiy Shebotnov
    Year: 2018
  • Tracking von Verkehrsteilnehmern mit LiDAR
    Autonome Fahrzeuge navigieren auf der Basis von spurgenauen Karten. Diese Karten zu erstellen und zu pflegen ist mit einem hohen Aufwand verbunden. Diese Arbeit ist Teil des Automatisierungsprozesses, um aus Daten des täglichen Verkehrs spurgenaue Karten zu erstellen. Im Rahmen der Arbeit wird das Verhalten der Verkehrsteilnehmer in einem komplexen Kreuzungsszenario verfolgt. Es wurden sechs Kreuzungen in Hannover mittels statischen 3D LiDAR-Scans mit 10Hz vermessen, um Trainingsdaten für ein neuronales Netzt zu erstellen.
    Leaders: Steffen Busch
    Team: Tim Flasbarth
    Year: 2018
  • Verwendung eines Automotive-Laserscanners zur globalen Positionsbestimmung
    Vor dem Hintergrund der globalen Lokalisierung wird in der Arbeit eine Möglichkeit vorgestellt, eine Positionsbestimmung anhand der Umgebungsmerkmale durchzuführen. Es werden Punktwolken von Straßenabschnitten in urbanem Gebiet verwendet. Dabei werden unter Anwendung eines neuronalen Netzes Merkmale aus der Umgebung extrahiert. Mit Hilfe einer Einteilung der Merkmale in verschiedene Klassen wird ein Streckenabschnitt als Sequenz von Merkmalen dargestellt. Durch den Vergleich mit einer Referenztrajektorie, welche ebenfalls über klassi zierte Merkmale verfügt, wird die aktuelle Position anhand der größten Übereinstimmung gefunden.
    Leaders: Dr. Alexander Schlichting, Prof. Brenner
    Team: Felix Matthes
    Year: 2018
    Lifespan: 2018
  • Adding landmarks to maps using a graph-based approach
    Die zunehmende Automatisierung von Fahrfunktionen und erweiterte Komfortfunktionen sind aktueller Bestandteil der Automobilforschung. Eine der wesentlichen Voraussetzungen für viele zukünftige Funktionen, wie das automatisierte Fahren, ist die genaue Kenntnis der aktuellen Fahrzeugpose. Hierfür gibt es unterschiedliche Lokalisierungsmethoden. Wird eine Karte benutzt, welche auf Landmarken basiert, so stellt sich die Aufgabe, diese Landmarken auf Grundlage der Messungen zu aktualisieren.
    Leaders: Daniel Wilbers (VW), Prof. Ortmaier, Prof. Brenner
    Team: Lars Rumberg
    Year: 2018
  • Lernen typischer Parkplatzbelegungsmuster anhand von Kartendaten
    Zur Vorhersage zukünftiger Informationen über verfügbare Parkplätze werden in intelligenten Transportsystemen, wie beispielsweise Navigationsgeräten, unter anderem historische Daten über den Verlauf der Parkplatzbelegung verwendet. In dieser Arbeit wird untersucht, inwieweit solche Tagesverläufe mit der Hilfe von Kartendaten, wie z. B. Points of Interest, und der Verwendung von Methoden des Maschinellen Lernens vorhergesagt werden können. Dazu werden tatsächliche Belegungsdaten aus Hannover und aus San Francisco verwendet. Die Kartendaten werden sowohl aus OpenStreetMap, als auch aus Yelp gewonnen. Weiterhin werden unterschiedliche Varianten zur Implementierung der Kartendaten in das Maschinelle Lernen getestet, als auch die Relevanz der einzelnen Merkmale untersucht. Die hier verwendeten Methoden des Maschinellen Lernens sind ein Neuronales Netz, ein Regressionsbaum und eine Support Vector Machine.
    Leaders: Fabian Bock, Prof. Brenner
    Team: Lukas Hynek
    Year: 2018
  • Laserscanner basierte Kartierung und Lokalisierung in dynamischen Umgebungen
    Stand der heutigen Technik bei den in Industrieanlagen eingesetzten fahrerlosen Transportfahrzeugen ist eine Eigenlokalisierung auf Basis von Reflektoren. Da die Installation und Vermessung der benötigten Reflektoren zeitaufwändig und teuer ist, verlangen Anlagenbetreiber ein Lokalisierungsverfahren, das ohne Reflektoren funktioniert und ausschließlich die vorhandene Umgebungskontur zur Lokalisierung verwendet.
    Leaders: Brenner, Schlichting
    Team: Hauke Kuban
    Year: 2015
    Lifespan: 2015
  • Kombination und Homogenisierung von Landmarkenkarten zur Steigerung der Positionierungsgüte beim automatischen Fahren
    In dieser Arbeit werden Karten zur landmarkenbasierten Lokalisierung aus detektierten Objekten erzeugt, die mit einem Versuchsträger (PKW) erfasst wurden. Als Datengrundlage stehen die Positionen detektierter Objekte sowie die Fahrzeugtrajektorien der Messfahrten zur Verfügung. Die Erstellung einer Landmarkenkarte erfordert die Zuordnung einzelner Detektionen zu Objekten sowie eine Bereinigung systematischer Fehler. Die auftretenden systematischen Fehler äußern sich z.B. in Form von fehlerhaften Beobachtungswinkeln und zeitlicher Latenz.
    Leaders: Brenner, Hofmann
    Team: Ugur Kekec
    Year: 2015
    Lifespan: 2015
  • Robust visual navigation for autonomous underwater track vehicles
    Underwater track vehicles, also known as crawler, are universal carrier platforms for many different applications. Crawler having an autonomous navigation would enable the possibility of executing long-term observations without a connection to a base station. This thesis presents approaches that use previous knowledge about the scene that is integrated into motion estimation step by replacing RANSAC with PROSAC to make the motion estimation more robust.
    Leaders: Brenner, Kirchner
    Team: Lewin Probst
    Year: 2015
    Lifespan: 2015
  • Entwicklung eines Echtzeit-Planers für die lokale Navigation auf holonomen mobilen Service-Robotern
    Ein grundlegendes Problem der Navigation ist die zuverlässige Vermeidung von Kollisionen mit Hindernissen in Echtzeit. Ein dafür genutzter lokaler Planer muss daher den Anforderungen der Echtzeitfähigkeit genügen, was bedeutet, dass die Planung innerhalb einer maximalen Laufzeit garantiert abgeschlossen werden muss. Die maximale Laufzeit kann dabei vom Rechner abhängen. Im Rahmen dieser Arbeit wurde ein lokaler Planer in der Software-Umgebung ROS (Robot Operating System) erstellt, welcher die Anforderung der Echtzeitfähigkeit erfüllt.
    Leaders: Brenner, Wagner
    Team: Sven Krause
    Year: 2015
    Lifespan: 2015
  • Extraktion von Fahrspurgeometrie und -topologie auf der Basis von Fahrzeugtrajektorien
    Digitale Weg- und Transportkarten sind heutzutage die Grundlage moderner Navigation und finden in Disziplinen von der Ethologie bis zur Nautik unterschiedlichste Anwendungen. Der für diese Arbeit interessante Anwendungsfall ist die Abbildung von Verkehrswegen für Fahrzeuge als Straßenkarte. Eine Straßenkarte bildet hierbei mindestens die geometrische Struktur eines Verkehrsnetzes unter Erhalt der Konnektivität ab.
    Leaders: Brenner
    Team: Oliver Röth
    Year: 2014
    Lifespan: 2014
  • Robotic exploration for mapping and change detection
    Autonomous systems and mobile robots become more and more part of our daily life. Examples are cutting the grass in the garden, helping us to get into a parking lot or cleaning the floor. The problems of localization, perception and automatic model building (e.g. maps) are central questions in mobile robotics. How to determine the absolute pose of a robot? What is the best way to explore an a priori unknown environment? Can changes be detected?
    Leaders: Brenner, Paffenholz
    Team: Sebastian Gangl
    Year: 2014
    Lifespan: 2014
  • Bewertung von inertialen Messsystemen mittels Laserscannern und bekannter Landmarken
    Leaders: Brenner
    Team: Alexander Schlichting
    Year: 2012
    Lifespan: 2012
  • Aufbau eines Laserscanner-Erfassungssystems zur Positionsbestimmung von Fahrzeugen
    Sowohl in der Forschung als auch in der Technik sind Fahrerassistenzsysteme für den Automobilbe­reich ein sehr aktuelles Thema. Neue Systeme unterstützen den Fahrer in unterschiedlichen Situationen, indem sie nicht nur den Fahrkomfort, sondern vor allem auch die Sicherheit im Stra­ßenverkehr erhöhen. Viele dieser Systeme setzten eine sehr genaue Kenntnis über den eigenen Aufenthaltsort des Fahrzeuges voraus. Gerade in Gebieten mit dichter Bebauung ist dabei die mit dem Global Positioning System (GPS) erlangte Ortungsgenauigkeit in der Größenordnung mehrerer Meter unzureichend. Aus diesem Grund ist die Entwicklung eines genauen und zuverlässigen Verfahrens zur Positionsbestimmung für Fahrzeuge von großer Bedeutung.
    Leaders: Brenner
    Team: Joachim Niemeyer
    Year: 2009
    Lifespan: 2009
  • Zielführung in der Fahrzeug-Navigation mittels Mixed Reality
    Leaders: Brenner, Paelke
    Team: Sascha Tönnies
    Year: 2006
    Lifespan: 2006