Home | english  | Impressum | Sitemap | KIT

Lokale Fusion heterogener Informationsquellen

Lokale Fusion heterogener Informationsquellen
Ansprechpartner:Dipl.-Math. Jennifer Sander
Projektgruppe:VBV

Projektbeschreibung

Bei zahlreichen Aufgaben der Informationsgewinnung ist es nicht möglich, die gewünschte Information präzise, vollständig und robust mit einer einzigen Informationsquelle zu gewinnen. Die Auswertung und Fusion der Beiträge mehrerer Informationsquellen stellt hier oft eine Lösung dar. Ein besonderes Potential liegt im Einsatz heterogener Informationsquellen, da diese oft unterschiedliche Stärken und Schwächen haben und sich dadurch optimal ergänzen können. Bei der Fusion heterogener Informationsquellen muss ihr unterschiedlicher Abstraktionsgrad und ihre unterschiedliche Natur überwunden werden. Essentielle Forderungen an eine sinnvolle Fusionsmethodik sind die Fähigkeiten zur Transformation, Fusion und Fokussierung. Außerdem sollte verfügbares a-priori-Wissen (z.B. in Form von Erfahrung, physikalischen Modellen) bei der Bestimmung des Fusionsergebnisses berücksichtigt werden.

Die Bayessche Fusionsmethodik erfüllt jede diese Forderungen, erweist sich aber aufgrund ihres hohen Rechenaufwands oft als untauglich. Am Lehrstuhl für Interaktive Echtzeitsysteme wird deshalb ein lokaler Bayesscher Fusionsansatz entwickelt. Ziel ist es, Bayessche Fusion nicht global über das gesamte Fenster des Interesses vorzunehmen, sondern nur in den Bereichen, wo sich Aufgabenrelevantes abspielt. In Anlehnung an kriminalistische Ermittlungen wird dieses Konzept mittels einer agentenbasierten Fusionsarchitektur realisiert.

Das in der Abbildung gezeigte Beispiel verwendet a priori Wissen in Form von Karteninformation, die Aussage eines menschlichen Experten (HUMINT Quelle) sowie ein Grauwertbild (IMINT Quelle, Bild (a)) um aus der vorgegebenen Szene Typ und Position der dort vorhandenen Fahrzeuge zu bestimmen. Die Menge der möglichen Fahrzeugtypen wurde der Übersichtlichkeit halber auf die in Bild (g) aufgeführten fünf Typen eingeschränkt. Bild (g) zeigt die bezüglich der zweiten Ortskoordinate marginalisierte DoB-Verteilung als Fusionsresultat für die in Bild (f) rot gekennzeichnete Spur. Der nominale Peak befindet sich bei Audi, was den Tatsachen entspricht.


Aus der vorgegebenen Szene (Landschaftsmodell im Maßstab 1:160) sollen mit lokaler Bayesscher Fusion Typ und Position der dort vorhandenen Fahrzeuge bestimmt werden.

Veröffentlichungen
TitelAutorenQuelle
Sander, J.; Beyerer, J.2013 Workshop on Sensor Data Fusion: Trends, Solutions, Applications (SDF), IEEE, 2013.
Kuwertz, A.; Sander, J.; Schneider, G.; Essendorfer, B.Proceedings of the NATO Symposium on Architecture Assessment for NEC (SCI-254), Systems Concepts and Integration Panel, 2013, 2013.
Sander, J.; Kuwertz, A.; Schneider, G.; Essendorfer, B.Proceedings of the IEEE ISIF GI Workshop on Sensor Data Fusion: Trends, Solutions, Applications (SDF 2012), 2012.
Sander, J.; Beyerer, J.Heiß, H.-U.; Pepper, P.; Schlinghoff, H.; Schneider, J. (Hrsg.), INFORMATIK 2011 - Informatik schafft Communities, S. 478, Gesellschaft für Informatik, 2011.
Sander, J.Technischer Bericht IES-2010-03. In: Beyerer, J.; Huber, M. (Hrsg.), Proceedings of the 2010 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, Karlsruher Schriften zur Anthropomatik, Bd. 7, S. 31-46, KIT Scientific Publishing, 2010.
Sander, J.; Krieger, J.; Beyerer, J.Dillmann, R.; Beyerer, J.; Hanebeck, U. D.; Schultz, T. (Hrsg.), KI 2010: Advances in Artificial Intelligence, Lecture Notes in Artificial Intelligence, Bd. 6359, S. 299-308, Springer, 2010.
Sander, J.; Heizmann, M.; Goussev, I.; Beyerer, J.Braun, J. J. (Hrsg.), Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications, Proceedings of SPIE Vol. 7710, 2010.
Sander, J.Technischer Bericht IES-2009-03. In: Beyerer, J.; Huber, M. (Hrsg.), Proceedings of the 2009 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, S. 31-46, KIT Scientific Publishing, 2009.
Sander, J.; Heizmann, M.; Goussev, I.; Beyerer, J.Dasarathy, B. (Hrsg.), Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications, Proceedings of SPIE Vol. 7345, 2009.
Sander, J.; Beyerer, J.Robotics and Autonomous Systems 57 Nr. 3, S. 259-267, Elsevier, 2009.
Sander, J.; Beyerer, J.Proceedings of Fusion 2008, S. 1035-1042, 2008.
Beyerer, J.; Heizmann, M.; Sander, J.; Gheta, I.Stathaki, T. (Hrsg.), Image Fusion: Algorithms and Applications, S. 157-192, Academic Press, 2008.
Sander, J.; Beyerer, J.37. Jahrestagung der Gesellschaft für Informatik e.V. (GI): INFORMATIK 2007 - Informatik trifft Logistik, Bd. 2, S. 95-99, 2007.
Beyerer, J.; Sander, J.; Werling, S.tm Technisches Messen 74 Nr. 3, Oldenbourg Verlag, München, S. 103-111, 2007.
Sander, J.; Beyerer, J.Proceedings of the 2006 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI06), Heidelberg, S. 249-254, 2006.
Beyerer, J.; Sander, J.; Werling, S.Informationsfusion in der Mess- und Sensortechnik, J. Beyerer, F. Puente León, K.-D. Sommer (Hrsg.), Universitätsverlag Karlsruhe, 2006; Beiträge des VDI/VDE-GMA Expertenforums "Informationsfusion in der Mess- und Sensortechnik 2006", 21., S. 21-37, 2006.
Beyerer, J.; Heizmann, M.; Sander, J.Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications 2006, Belur V. Dasarathy (ed.), Proceedings of SPIE 6242, S. 235-243, 2006.