Part of
Die Zustandsschätzung einer unbekannten Anzahl an Objekten stellt trotz der Existenz theoretisch Bayes-optimaler Multi-Objekt-Filter durch die große Anzahl an Modellannahmen dieser Filter eine große Herausforderung dar. In dieser Arbeit wurden die Eignung derartiger Filter für den praktischen Einsatz in Multi-Objekt-Multi-Sensor-Szenarien untersucht und die Filter um nötige Modellerweiterungen ergänzt. Als Anwendungsszenario wurde auf die Verfolgung von Fußgängern in Innenräumen eingegangen.
State estimation of an unknown number of objects remains a challenging topic - despite the existence of theoretically bayes-optimal multi-object-filters - due to numerous assumptions in the modeling process. This thesis evaluates such filters in real multi-object-multi-sensor scenarios and proposes necessary extensions to existing models. The main application of the thesis is indoor pedestrian tracking.
Umfang: XI, 178 S.
Preis: €43.00 | £40.00 | $76.00
These are words or phrases in the text that have been
automatically identified by the
Named Entity Recognition and Disambiguation service,
which provides Wikipedia
(
)
and Wikidata
(
)
links for these entities.
Pallauf, J. 2016. Objektsensitive Verfolgung und Klassifikation von Fußgängern mit verteilten Multi-Sensor-Trägern. Karlsruhe: KIT Scientific Publishing. DOI: https://doi.org/10.5445/KSP/1000054659
Dieses Buch ist lizenziert unter Creative Commons Attribution + ShareAlike 3.0 DE Dedication
Dieses Buch ist Peer reviewed. Informationen dazu finden Sie hier
Veröffentlicht am 21. September 2016
Deutsch
206
| Paperback | 978-3-7315-0529-7 |