Inhalt

•  
   Inhaltsverzeichnis
•  
  1 Einleitung
•  
   1.1 Motivation
•  
   1.2 Ziele der Dissertation
•  
   1.3 Thematische Einordnung
•  
   1.4 Gliederung der Arbeit
•  
   2 Stand der Technik
•  
   2.1 Verwendung des Begriffs „Zeithorizont“
•  
   2.2 Autonome Fahrzeuge
•  
   2.3 Verwandte Kategorisierungen
•  
   2.3.1 Kategorisierung aus dem Robotik-Bereich
•  
   2.3.2 Kategorisierung aus der Flugüberwachung
•  
   2.4 Vorhersage von Objektbewegungen
•  
   2.4.1 Kinematische Prädiktionen
•  
   2.4.2 Diskrete Sequenzverarbeitung
•  
   2.4.3 Logikbasierte Inferenz
•  
   2.4.4 Räumlich-lokale Graphen
•  
   2.4.5 Zeitreihenanalyse
•  
   2.4.6 Temporale Neuronale Netze
•  
   2.4.7 Trajektorienbasierte Verfahren
•  
   2.5 Bahnplanung und Kooperative Gruppen
•  
   2.6 Zusammenfassung
•  
  3 Entwurf eines Systems zur Bewegungsvorhersage und Aktionserkennung
•  
   3.1 Kritische Analyse der Literaturverfahren
•  
   3.2 Allgemeine Anforderungen
•  
   3.3 Konzept zur Bewegungsprädiktion
•  
   3.4 Voraussetzungen und Annahmen
•  
   3.5 Bewertung eines Prädiktors
•  
   3.6 Weiteres Vorgehen
•  
   3.7 Zusammenfassung
•  
  4 Erste Systemausprägung: Der Trajektorien-Partikelfilter
•  
   4.1 Überblick
•  
  4.2 Trajektorien-Distanzmaß
•  
   4.2.1 Allgemeine Anforderungen
•  
   4.2.2 Trajektorien-Distanzmaße in der Literatur
•  
   4.2.3 Entwickeltes QRLCS-Distanzmaß für Trajektorien
•  
   4.2.4 Bestimmung der Transformationsparameter
•  
   4.2.4.1 Inkrementelle Translation
•  
   4.2.4.2 Inkrementelle Rotation nach Kearsley
•  
   4.2.4.3 Inkrementelle Rotation nach Horn
•  
   4.3 Probabilistische Suche in Wissensbasis
•  
   4.3.1 Begründung und Wahl des Filter-Algorithmus
•  
   4.3.2 Abkürzungen und Bezeichner für Variablen
•  
   4.3.3 Probabilistische Formulierung der Prädiktion
•  
   4.3.4 Probabilistische Suche nach Sidenbladh
•  
   4.3.4.1 Erzeugung von Deskriptoren und Aufbau des Strukturbaums
•  
   4.3.4.2 Suche in strukturierter Bewegungsmenge
•  
   4.3.5 Bewegungsprädiktion durch Trajektorien-Lookup
•  
   4.3.6 Bewertung der Prädiktionshypothesen
•  
  4.4 Anwendungen des Trajektorien-Partikelfilters
•  
   4.4.1 Meanshift-Tracking
•  
   4.4.2 Situationsklassifikation
•  
   4.4.3 Klassifikation und Prädiktion von Fußgängerbewegungen
•  
   4.5 Zusammenfassung
•  
  5 Zweite Systemausprägung: Der Mannigfaltigkeit-Prädiktor
•  
   5.1 Idee und Überblick
•  
   5.2 Mannigfaltigkeiten in der Literatur
•  
   5.3 Aufbau der Trajektorien-Referenzmenge
•  
  5.4 Unsupervised Kernel Regression (UKR)
•  
   5.4.1 Dichtefunktion
•  
   5.4.2 Zielfunktion, Regulierung und Optimierung
•  
   5.4.3 Auswahl der Stützvektoren und Initialisierung des UKR-Modells
•  
   5.5 Prädiktion mittels einer Mannigfaltigkeit
•  
   5.5.1 Beispiel
•  
   5.6 Zusammenfassung
•  
  6 Experimentelle Untersuchung
•  
  6.1 Beschreibung der verwendeten Datenbasis
•  
   6.1.1 DGPS-Trajektorien
•  
   6.1.1.1 Der Datensatz: Industriegebiet
•  
   6.1.2 Szenenfluss
•  
   6.1.2.1 Erster Datensatz: Kreisverkehr
•  
   6.1.2.2 Zweiter Datensatz: Personen im Straßenverkehr
•  
  6.2 Vergleich der Prädiktionsverfahren
•  
   6.2.1 Prädiktionshorizont
•  
   6.2.2 Länge der Historie
•  
  6.3 Anwendungen des Trajektorien-Partikelfilters
•  
   6.3.1 Meanshift-Tracking
•  
   6.3.2 Situationsklassifikation
•  
   6.3.3 Absichtserkennung und -prädiktion von Fußgängern
•  
   6.4 Zusammenfassung
•  
   7 Zusammenfassung
•  
  A Anhang
•  
  A.1 Theoretische Grundlagen
•  
   A.1.1 Klothoide
•  
   A.1.2 Tschebyscheff-Polynome
•  
  A.2 Herleitungen
•  
   A.2.1 Krümmung Kinematisches Bewegungsmodell
•  
   A.2.2 Inkrementelle Rotation nach Kearsley
•  
   A.2.3 Inkrementelle Rotation nach Horn
•  
  A.3 Schriftenverzeichnis
•  
   A.3.1 Konferenzbeiträge
•  
   A.3.2 Beiträge auf Fachtagungen
•  
   A.3.3 Patente
•  
   Abkürzungs- und Symbolverzeichnis
•  
   Literaturverzeichnis