Volume 53, Issue 7 - 7

Der Artikel beschreibt unterschiedliche Ansätze zur Fusion von Sensordaten beispielhaft an zwei Sicherheitsanwendungen im Automobilbereich – PreCrash und Fußgängererkennung . Der Fokus liegt nicht ausschließlich auf der Fusionstheorie selbst; auch die Anforderungen der Anwendungen und die sensortechnischen Voraussetzungen sind dargestellt. Für die PreCrash-Funktion werden zwei Ansätze zur Fusion von Radarsensoren und einem Laserscanner vorgestellt. Das Fußgängerdetektionssystem besteht aus einer Anordnung von Thermopile-Sensoren, die zur Bestimmung der Fußgängerposition fusioniert werden.

Optimal informiert zu sein – der Wunsch wohl der meisten Verkehrsteilnehmer. Eine Vielzahl von Aktivitäten versuchen, diesem Wunsch immer stärker zu entsprechen. Im Zentrum dieser Bemühungen steht die Fusion möglichst vieler Eingangsdaten zu einer Verkehrslage. Diese komplexen technischen und wirtschaftlichen Inhalte sollen mit Blick auf die folgenden Fragestellungen beleuchtet werden: Was verbirgt sich hinter dem Begriff Verkehrlage? Welche Datenquellen können zu einer Verkehrslage fusioniert werden? Welche technischen Ansätze können zur Fusion genutzt werden? Wie sollten die unterschiedlichen Akteure im Gesamtprozess zusammenarbeiten? Was sind die Rahmenbedingungen, die im Kontext der Wertschöpfungskette bei der Datenfusion zu berücksichtigen sind?

In this article, we propose a novel approach to solving the localization problem in cellular networks, with a focus on indoor environments. The goal is to estimate a mobile user's position, based on measurements of signals received from different base stations. Our solution uses the Progressive Bayes estimation framework to model the distribution of signal measurements, as obtained in a series of calibration measurements. In the localization step, we compute the full probability density over the user position. We also show that user motion models can be easily integrated in our solution.

In diesem Artikel wird ein neuartiger Ansatz zur multisensoriellen Datenakquise und Datenfusion präsentiert. Der am DLR entwickelte multisensorielle 3D-Modellierer, der einen Laserscanner, einen Lichtschnittsensor, einen Textursensor und ein Stereo-Kamera-System enthält, sowie das Konzept, das Datenfusion mit diesem System ermöglicht, werden vorgestellt. Zur Bestimmung der Position und Orientierung des Modellierers im Raum wird alternativ ein optisches Trackingsystem oder ein passiver Messarm benutzt. Die mit dem handgeführten Modellierer gewonnene Erfahrung wird in einem zweiten Schritt auf ein robotergestütztes System zur vollautomatischen 3D-Modellierung (Inspektion) übertragen. Die robotergestützte multisensorielle Modellierung von Objekten unter Benutzung aller Roboterfreiheitsgrade wirft Probleme auf, die über die reine Modellierungsaufgabe hinaus gehen. Der Roboter soll einen möglichst großen Bewegungsspielraum besitzen, der auch nahe an a priori unbekannten oder nur teilweise bekannten Hindernissen garantiert werden muss. Dies beinhaltet eine effektive Planung von Roboterposen unter Berücksichtigung des Rauschverhaltens der verwendeten Sensoren.

Eine umfassende qualifizierte Schadensdiagnose in kommunalen Kanalsystemen ist nur dann möglich, wenn die vorhandene TV-Technik durch zusätzliche Sensoren ergänzt wird. In dem von der deutschen Forschungsgemeinschaft DFG geförderten Forschungsverbundvorhaben SAM wurden alternative Inspektionssensoren entwickelt und hinsichtlich ihrer Leistungsfähigkeit untersucht. Zur Integration der komplementären Sensorinformation zu einem ganzheitlichen Schadensbild wurde ein Neuro-Fuzzy-basiertes multisensorielles Diagnosekonzept entwickelt und erprobt, über das in diesem Beitrag berichtet wird.

Durch die zunehmende Komplexität der Produktionsprozesse in innovativen Anwendungsfeldern wird die Prozessanalyse und -Modellierung vor neue Herausforderungen gestellt. Typische Problemfelder sind reaktive Feststoffprozesse, komplexe Polymerisationsprozesse und insbesondere biotechnologische Prozesse. Zur Analyse solcher extrem komplexer Systeme sind spezialisierte Verfahren verfügbar, die unter dem Sammelbegriff „Data Mining“ subsummiert werden. Sie erlauben eine zuverlässige Extraktion auch komplexer Muster mit hohem Informationsgehalt aus unstrukturierten Daten. Die für die Prozessanalyse relevanten softwaretechnischen und methodischen Aspekte des Data Mining werden diskutiert und entsprechende Anwendungsworkflows exemplarisch am Beispiel eines biotechnischen Produktionsprozesses sowie eines Polymerprozesses demonstriert.