Lokale Fusion heterogener Informationsquellen
- Contact: Dipl.-Math. Jennifer Sander
- Project Group: VBV
Projektbeschreibung
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.
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. |