TY  - THES
AB  - Die vorliegende Arbeit behandelt und entwickelt neue Aspekte maschinellen Lernens, die letztendlich zur Entwicklung eines neuartigen Systems zur Wahrnehmung und Einschätzung von Fußgängern für das autonome Fahren im urbanen Raum beitragen. Nachdem in Kapitel 1 die Problemstellung näher erläutert wird, gibt Kapitel 2 eine kurze Einführung in die wichtigsten Grundlagen des Machine Learning. In Kapitel 3 wird eine Studie über die Robustheit verschiedener Pool-Based Active Learning-Ansätze vorgestellt und eine neue Abfrage-Methode präsentiert, sowie Schlüsse für die praktische Anwendbarkeit dieser Verfahren in einem industriellen Umfeld gezogen. Die Suche nach der besten Architektur eines Convolutional Neural Network ist Gegenstand von Kapitel 4, in dem ein heuristisches Verfahren zur schnellen und zuverlässigen Bewertung solcher Konfigurationen vorgestellt und mit einem Ansatz der globalen Optimierung verbunden wird. Kapitel 5 umfasst die Beschreibung eines neuen Systems zur echtzeitfähigen panoptischen Segmentierung von Lidar-Punktwolken, welches einen Ansatz zum Clustering mit einer effizienten Klassifizierung kombiniert. Nachdem in Kapitel 6 weitere Aspekte zur Extraktion der Merkmale von Fußgängern beleuchtet werden, beschreibt Kapitel 7 schließlich ein System für deren Lokalisierung und Bewegungs-Prädiktion. Ein abschließendes Fazit und ein Ausblick auf mögliche Erweiterungen erfolgen in Kapitel 8.
AU  - Hahn, Lukas
CY  - Wuppertal
DA  - 2022
DO  - 10.25926/BUW/0-5
DP  - Bergische Universität Wuppertal
LA  - eng
N1  - Tag der Verteidigung: 02.02.2022
N1  - Bergische Universität Wuppertal, Dissertation, 2022
PB  - Veröffentlichungen der Universität
PY  - 2022
SP  - 1 Online-Ressource (viii, 132 Seiten)
T2  - Fakultät für Elektrotechnik, Informationstechnik und Medientechnik
TI  - Aspects of active learning, architecture search and Lidar Panoptic Segmentation towards pedestrian perception in autonomous driving
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:468-2-50
Y2  - 2024-11-20T16:19:30
ER  -