elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Holistische Szenenmodellierung und -Interpretation basierend auf subsymbolischen, symbolischen und probabilistischen Methoden

Pekezou Fouopi, Paulin and Srinivas, Gurucharan and Knake-Langhorst, Sascha and Köster, Frank and Niemeijer, Joshua (2018) Holistische Szenenmodellierung und -Interpretation basierend auf subsymbolischen, symbolischen und probabilistischen Methoden. VDI-Fachkonferenz Umfelderfassung im Fahrzeug, 16.-17. Mai 2018, Nürnberg, Deutschland.

[img] PDF - Only accessible within DLR
771kB

Abstract

Automatisierte Fahrzeuge benötigen eine robuste und echtzeitfähige Erfassung der Szene und der Situation. Die wichtigsten Elemente der Szene sind die dynamischen Objekte und die Szenerie. Die Situationserfassung besteht aus folgenden Teilaspekten: Die Situationsmodellierung und die Situationsinterpretation. Die Situationsmodellierung betrachtet relevante Elemente der Szene bezogen auf die Ziele und Werte des Ego-Fahrzeugs. Die Situationsinterpretation hat als Hauptaufgaben die Schätzung der Konsistenz und Relevanz von Szenenelementen, die Prädiktion der zeitlichen Entwicklung der Situation und die Schätzung der Kritikalität der Situation bezogen auf die prädizierte Entwicklung dieser Situation. Die Szenen- und Situationserfassung sind sehr komplex Aufgaben, da eine große Diversität an Eigenschaften wie Tageszeit, meteorologischen Einflüssen, Sensorrauschen, Objektklassen und Relationen zwischen Szenenobjekten berücksichtigt werden müssen. Darüber hinaus sollen die rechenaufwändigen Erfassungsalgorithmen in Echtzeit unter Beachtung von eingeschränkten Ressourcen in eingebetteten Systemen laufen. In der Literatur wurden viele Ansätze der künstlichen Intelligenz vorgeschlagen, um die Aufgaben der Szenen- und Situationserfassung zu lösen. Diese Ansätze basieren hauptsächlich auf symbolischen, subsymbolischen und probabilistischen Methoden. Während diese Methoden sehr gut erforscht sind und gute Ergebnisse liefern, ist eine Kombination der Methoden, um von deren Vorteilen zu profitieren und deren Nachteile zu kompensieren, immer noch ein offenes Problem. In dieser Arbeit wird eine holistische Betrachtung der Szene und der Situation, in der die Kontextabhängigkeiten der Szenen- und Situationselemente als Vorwissen modelliert werden, vorgeschlagen. Das vorgeschlagene System besteht aus einer Wissensbasis, die das Vorwissen über Szenen- und Situationselemente auf einer symbolischen Ebene mit Hilfe von Ontologien und Regelbasen modelliert. Das Vorwissen enthält räumliche, zeitliche und semantische Abhängigkeiten zwischen Szenen- und Situationsaspekten. Um Unsicherheiten in der Wissensbasis zu modellieren, wird das Vorwissen anhand der Konzepte aus der Ontologie in Form von probabilistischen graphischen Modellen abgebildet. Methoden des maschinellen Lernens (bspw. tiefe neuronale Netze, Ensemble Modelle, etc.), die subsymbolische Informationen verarbeiten, ergänzen das System. Zur Laufzeit wird das System verwendet, um die Szene und die Situation kontext-konsistent zu erfassen. Konzepte und Methoden zur Handhabung der Komplexität der Wissensbasis, zur Integration der Module des Systems sowie zum Umgang mit Inkonsistenzen und Unstimmigkeiten werden eingebracht. Konkrete Anwendungen des Systems werden demonstriert.

Item URL in elib:https://elib.dlr.de/119389/
Document Type:Conference or Workshop Item (Speech)
Title:Holistische Szenenmodellierung und -Interpretation basierend auf subsymbolischen, symbolischen und probabilistischen Methoden
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iD
Pekezou Fouopi, Paulinpaulin.pekezoufouopi (at) dlr.dehttps://orcid.org/0000-0003-3583-8279
Srinivas, GurucharanGurucharan.Srinivas (at) dlr.deUNSPECIFIED
Knake-Langhorst, Saschasascha.knake-langhorst (at) dlr.dehttps://orcid.org/0000-0001-7399-0939
Köster, Frankfrank.koester (at) dlr.deUNSPECIFIED
Niemeijer, JoshuaJoshua.Niemeijer (at) student.uni-luebeck.deUNSPECIFIED
Date:May 2018
Refereed publication:No
Open Access:No
Gold Open Access:No
In SCOPUS:No
In ISI Web of Science:No
Status:Published
Keywords:Deep Learning, Situationsinterpretation, Integration von Kontext, Markov Logic Networks, Semantische Segmentierung
Event Title:VDI-Fachkonferenz Umfelderfassung im Fahrzeug
Event Location:Nürnberg, Deutschland
Event Type:national Conference
Event Dates:16.-17. Mai 2018
Organizer:VDI
HGF - Research field:Aeronautics, Space and Transport
HGF - Program:Transport
HGF - Program Themes:Terrestrial Vehicles (old)
DLR - Research area:Transport
DLR - Program:V BF - Bodengebundene Fahrzeuge
DLR - Research theme (Project):V - Fahrzeugintelligenz (old)
Location: Braunschweig
Institutes and Institutions:Institute of Transportation Systems > Data Management and Knowledge Discovery
Deposited By: Pekezou Fouopi, Paulin
Deposited On:13 Jun 2018 08:17
Last Modified:13 Jun 2018 08:17

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Website and database design: Copyright © German Aerospace Center (DLR). All rights reserved.