Zusammenfassung
In dieser Arbeit wird eine Erweiterung des zeilbasierten Belegtheitsfilters BOFUM1 um Objektgruppen zum BOFUG (Bayesian Occupancy Filtering using Groups) vorgenommen. Diese ermöglicht die Einteilung und Klassifikation der Gruppenzugehörigkeit von Belegtheit, allein auf Basis von statischen Belegtheitsmessungen. Exemplarisch wird für Fußgänger und Fahrzeuge gezeigt, dass die Definition unterschiedlicher Dynamikmodelle ausreicht, um auf Objektinformationen zu schließen und das Filterergebnis nachhaltig zu verbessern. Die implizite Gruppeninferenz stellt einen ersten Schritt zur Vereinigung von Objekt- und Zellebene dar.
Bayesian Recursive Estimation for Cells handling Transition Knowledge
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literaturverzeichnis
Y. Bar-Shalom. Multitarget-multisensor tracking: Applications and advances. Volume III. Norwood, MA: Artech House, 2000.
S. Blackman and R. Popoli. Design and analysis of modern tracking systems. Norwood, MA: Artech House, 1999.
C. Chen, C. Tay, K. Mekhnacha, and C. Laugier. Dynamic environment modeling with gridmap: a multiple-object tracking application. Control, Automation, Robotics and Vision, 2006. ICARCV’06. 9th International Conference on, pages 1–6, 2006.
C. Coue, C. Pradalier, C. Laugier, T. Fraichard, and P. Bessiere. Bayesian Occupancy Filtering for Multitarget Tracking: An Automotive Application. The International Journal of Robotics Research, 25(1):19, 2006.
A. Elfes. Using occupancy grids for mobile robot perception and navigation. Computer, 22(6):46–57, 1989.
C. Fulgenzi, A. Spalanzani, and C. Laugier. Dynamic Obstacle Avoidance in uncertain environment combining PVOs and Occupancy Grid. Robotics and Automation, y2007 IEEE International Conference on, pages 1610–1616, 2007.
Tobias Gindele, Sebastian Brechtel, Joachim Schröder, and Rüdiger Dillmann. Bayesian Occupancy Grid Filter for Dynamic Environments Using Prior Map Knowledge. Proceedings of the IEEE Intelligent Vehicles Symposium, 2009.
E. Mazor, A. Averbuch, Y. Bar-Shalom, and J. Dayan. Interacting multiple model methods in target tracking: a survey. Aerospace and Electronic Systems, IEEE Transactions on, 34(1):103–123, 1998.
MK Tay, K. Mekhnacha, M. Yguel, C. Cou’e, C. Pradalier, C. Laugier, T. Fraichard, and P. Bessière. The Bayesian occupation filter. Technical report, INRIA, 2008.
S. Thrun, W. Burgard, and D. Fox. Probabilistic Robotics (Intelligent Robotics and Autonomous Agents). MIT press, Cambridge, Massachusetts, USA, 2005.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2009 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Brechtel, S., Gindele, T., Vogelgesang, J., Dillmann, R. (2009). Probabilistisches Belegtheitsfilter zur Schätzung dynamischer Umgebungen unter Verwendung multipler Bewegungsmodelle. In: Dillmann, R., Beyerer, J., Stiller, C., Zöllner, J.M., Gindele, T. (eds) Autonome Mobile Systeme 2009. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-10284-4_7
Download citation
DOI: https://doi.org/10.1007/978-3-642-10284-4_7
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-10283-7
Online ISBN: 978-3-642-10284-4
eBook Packages: Computer Science and Engineering (German Language)