forschung

Forschungsgruppe
Forschungsgruppe

Forschungsgruppe: Maschinelles Sehen und Mobile Robotik

Forschungsgruppe
Forschungsgruppe

Bei der Interaktion von autonomen oder teilautonomen mobilen Systemen, wie beispielsweise Robotern oder Autos, mit ihrer Umwelt, treten eine Menge Problemstellungen auf, die von diesen Systemen gelöst werden müssen. Wie erkenne ich den Zustand meiner Umwelt? In was für einem Zustand befinde ich mich? Wie sage ich den Zustand von mir und den Zustand meiner Umwelt vorher? Wie navigiere ich durch meine Umwelt? Wie löse ich bestimmte Aufgaben in dieser Umwelt? usw.

Um diese Probleme zu lösen, müssen autonome mobile Systeme mit Sensoren ausgestattet sein. Damit sind sie in der Lage Daten aus der Umwelt aufzunehmen und daraus Informationen über die Umwelt abzuleiten. Das Besondere dieser aktiven Sensorsysteme, wie beispielsweise Kameras oder Mikrophone, die auf einem mobilen Roboter montiert sind ist, dass sie Sensordaten zu unterschiedlichen Zeiten, an unterschiedlichen Orten und unter unterschiedlichen Aufnahmebedingungen aufnehmen können.

Zwei spannende Fragen kommen einem in den Sinn:

  • Wie modelliere ich den Zusammenhang zwischen rohen Sensordaten und dem Zustand der Umwelt?
  • Wie kann ich die Aktorik der Sensoren sinnvoll benutzen, um die Zustandsschätzung zu verbessern?

Es ist offensichtlich, dass zur Beantwortung beider Fragen die Kopplung von Zustandsschätzung und Zustandregelung eine wichtige Rolle spielt. Deswegen sind wir am Modellieren des Zusammenspieles von Zustandsschätzung und Zustandsregelung interessiert.

Forschungsbereich: Dynamische Computer Vision

Dynamische Bildverarbeitung
Dynamische Bildverarbeitung

Dieser Forschungsbereich gliedert sich in mehrere interne und externe Projekte. Gemeinsames Ziel ist die robuste Extraktion von visuellen Zuständen aus Videosequenzen aufgenommen von statischen und aktiven Kamerasystemen zur Beschreibung von visuellen Szenen mit zeitlich veränderlichem Inhalt. Der Schwerpunkt läßt sich auf zwei Fragen reduzieren:

  • Wie kann man die visuellen Daten durch aktive Kameras oder virtuelle Stellgrößen so beeinflussen, dass visuelle Zustände besser geschätzt werden können?
  • Wie verkoppelt man die einzelnen visuellen Zustandsvariablen über der Zeit und den Bildraum, damit der visuelle Gesamtzustand möglichst fehlerfrei geschätzt werden kann?

Dazu werden verschiedene Methoden aus den Bereichen der dynamischen Zustandsschätzung, des Reglerentwurfs, der Photogrammetrie und des maschinellen Lernens herangezogen und weiterentwickelt.

Projekte:

  • Virtuelle Stellgrößen in der dynamischen visuellen Zustandsschätzung
  • Stochastische dynamische Systeme in der Bildverarbeitung
  • Dynamisch-adaptive Systeme zur Schätzung des Optischen Flusses
  • Analyse von Bewegungsmustern (in Kooperation mit dem Honda Research Institute Europe GmbH)
  • Dynamische Bewegungssegmentierung (in Kooperation mit dem Honda Research Institute Europe GmbH)
  • Bewegte ToF Kameras (unterstützt von PMD Technologies GmbH)
  • Visuelle Indoor-Positionierung mit Handykameras (in Kooperation mit dem Geodätischen Institut der TUD)
  • IMU unterstützte visuelle Odometrie (in Kooperation mit Thorsten Graber aus dem Institut für Flugsysteme und Regelungstechnik der TUD im Rahmen des Graduiertenkollegs MIxed Mode Environements)

Forschungsbereich: Kooperative Mobile Robotik

Heterogenes Team von mobilen Robotern
Heterogenes Team von mobilen Robotern

Dieser Forschungsbereich beschäftigt sich mit Regelungsverfahren und Zustandsschätzern für verteilte mobile Systeme zur Lösung von Aufgaben in Kooperation. Der Forschungsbereich wird von der DFG im Rahmen des Graduiertenkollegs Mixed Mode Environments finanziert.

Projekte:

  • DisCoverage: Ein neuer Multiroboter Explorationsansatz
  • Zeitasynchrone verteilte Zustandsschätzung
  • Synchronisierung von dynamischen Systemen mit einem Beobachteransatz

Forschungsbereich: Sensorverarbeitung bei Fahrerassistenzsystemen

Sensorik eines Fahrerassistenzsystems zur Umfelderfassung
Sensorik eines Fahrerassistenzsystems zur Umfelderfassung

Dieser Forschungsbereich beschäftigt sich mit Kalibrationsroutinen, Sensorfusionsmethoden, Filteralgorithmen und Mappingverfahren, um eine stabile Umfelderfassung für Fahrerassistenzsysteme zu erreichen. Der Forschungsbereich wird von der Continental AG im Rahmen des Proreta 3 Projektes finanziert.

zurück zur Übersicht der Forschungsthemen am Fachgebiet