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.

Publications
Title	Authors	Source
Bayesian Fusion. Modeling and Application	Sander, J.; Beyerer, J.	2013 Workshop on Sensor Data Fusion: Trends, Solutions, Applications (SDF), IEEE, 2013.
An Architectural Framework for ISR Analytics	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.
ISR Analytics: Architectural and Methodic Concepts	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.
Decision Theoretic Approaches for Focussed Bayesian Fusion	Sander, J.; Beyerer, J.	Heiß, H.-U.; Pepper, P.; Schlinghoff, H.; Schneider, J. (eds.), INFORMATIK 2011 - Informatik schafft Communities, pp. 478, Gesellschaft für Informatik, 2011.
Use of a Probability Interval Scheme for Focussed Bayesian Fusion	Sander, J.	Technical report IES-2010-03. In: Beyerer, J.; Huber, M. (eds.), Proceedings of the 2010 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, Karlsruher Schriften zur Anthropomatik, vol. 7, pp. 31-46, KIT Scientific Publishing, 2010.
The Importance of Statistical Evidence for Focussed Bayesian Fusion	Sander, J.; Krieger, J.; Beyerer, J.	Dillmann, R.; Beyerer, J.; Hanebeck, U. D.; Schultz, T. (eds.), KI 2010: Advances in Artificial Intelligence, Lecture Notes in Artificial Intelligence, vol. 6359, pp. 299-308, Springer, 2010.
Global evaluation of focussed Bayesian fusion	Sander, J.; Heizmann, M.; Goussev, I.; Beyerer, J.	Braun, J. J. (ed.), Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications, Proceedings of SPIE Vol. 7710, 2010.
Further Investigation of Focussed Bayesian Fusion	Sander, J.	Technical report IES-2009-03. In: Beyerer, J.; Huber, M. (eds.), Proceedings of the 2009 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, pp. 31-46, KIT Scientific Publishing, 2009.
A local approach for focussed Bayesian fusion	Sander, J.; Heizmann, M.; Goussev, I.; Beyerer, J.	Dasarathy, B. (ed.), Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications, Proceedings of SPIE Vol. 7345, 2009.
A Local Approach for Bayesian Fusion: Mathematical Analysis and Agent Based Conception	Sander, J.; Beyerer, J.	Robotics and Autonomous Systems 57 no. 3, pp. 259-267, Elsevier, 2009.
Decreased Complexity and Increased Problem Specificity of Bayesian Fusion by Local Approaches	Sander, J.; Beyerer, J.	Proceedings of Fusion 2008, pp. 1035-1042, 2008.
Bayesian Methods for Image Fusion	Beyerer, J.; Heizmann, M.; Sander, J.; Gheta, I.	Stathaki, T. (ed.), Image Fusion: Algorithms and Applications, pp. 157-192, Academic Press, 2008.
Local Bayesian fusion realized via an agent based architecture	Sander, J.; Beyerer, J.	37. Jahrestagung der Gesellschaft für Informatik e.V. (GI): INFORMATIK 2007 - Informatik trifft Logistik, vol. 2, pp. 95-99, 2007.
Bayes'sche Methodik zur lokalen Fusion heterogener Informationsquellen	Beyerer, J.; Sander, J.; Werling, S.	tm Technisches Messen 74 Nr. 3, Oldenbourg Verlag, München, pp. 103-111, 2007.
Fusion agents - realizing Bayesian fusion via a local approach	Sander, J.; Beyerer, J.	Proceedings of the 2006 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI06), Heidelberg, pp. 249-254, 2006.
Fusion heterogener Informationsquellen	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., pp. 21-37, 2006.
Fuselets - An agent based architecture for fusion of heterogeneous information and data	Beyerer, J.; Heizmann, M.; Sander, J.	Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications 2006, Belur V. Dasarathy (ed.), Proceedings of SPIE 6242, pp. 235-243, 2006.