Busch - Research Projects

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)

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
  • 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

Open Bachelor Theses

  • Laserscanning und Mobile Mapping: Evaluierung verschiedener Klassifikatoren zur Detektion von Objekten in Punktwolken
    Viele Gebiete unseres Lebens werden rasant mit Hilfe von Maschinen automatisiert. Nicht nur für die Kartographie ist dabei essenziell, dass Computer Beobachtungen ihrer Sensoren korrekt zuordnen und interpretieren. Für diese Aufgabe stehen bereits verschiedenste Klassifizierungsalgorithmen zur Verfügung. Ziel der Bachelorarbeit ist die Analyse verschiedener Klassifikationsansätze mit Fokus auf deren Eignung zur Bestimmung von Objekten aus Punktwolken.
    Leaders: Busch
    Year: 2020