Entwicklung adaptiver Algorithmen in funkbasierten Lokalisierungssystemen Ziel dieses Projektes ist die Entwicklung adaptiver Algorithmen für den Einsatz in
Funklokalisierungssystemen. Im Rahmen dieses Projekts werden drei wesentliche
Themen bearbeitet:
Automatisierte Konfiguration der Ereignis-Detektoren. In vorangegangenen
Forschungsprojekten wurden die Grundlagen zur Analyse verrauschter
Sensordatenströme gelegt. Allerdings bestand hierbei noch das Problem, dass
Ereignis-Detektoren aufwändig und genau parametrisiert werden müssen,
zufriedenstellende Ergebnisse zu produzieren. Dieses Arbeitspaket betrachtet
Möglichkeiten einer automatisierten Konfiguration der Ereignis-Detektoren auf
Basis vorhandener Ereignis- und Sensordatenströme.
In 2016 wurden erste
Konzepte untersucht, um aus einer Vielzahl vorhandener Spieldaten die optimale
Konfiguration der Ereignis-Detektoren zu bestimmen. Dabei wurden in einer
Fußballanwendungen Spiele und Spielszenen durch Sportwissenschaftler manuell
annotiert (z.B. Spieler A tritt Ball mit linkem Fuß zum Zeitpunkt t). Diese manuell
annotierten Spielszenen sollen später zur Optimierung der Parameter in der
Hierarchie von Ereignisdetektoren herangezogen werden.
Evaluierung von Methoden und Techniken des maschinellen Lernens für
Anwendungen zur Lokalisierung. In vorhergehenden Forschungsprojekten wurden
bereits erste Algorithmen des maschinellen Lernens im Kontext funkbasierter
Lokalisierungssysteme entwickelt (z.B. evolutionäre Algorithmen zur Bestimmung
von Antennenpositionen und -ausrichtungen). Im Rahmen dieses Arbeitspakets
werden weitere Ansätze untersucht, um Lokalisierungssysteme durch derartige
Methoden zu unterstützen.
Im Jahr 2016 wurden erste Ansätze evaluiert, um Teile
der Positionsrechnung laufzeitbasierter Funklokalisierungssysteme durch
Methoden des maschinellen Lernens zu ersetzen. Bislang werden die Rohdaten
solcher Systeme durch eine Signalverarbeitungskette (Analog-Digital-Wandlung,
Ankunftszeitbestimmung, Kalman-Filterung, Bewegungsanalyse) zu einer Position
verrechnet. Dies erfordert einen vergleichsweise hohen Installations- und
Konfigurationsaufwand für die Inbetriebnahme eines Lokalisierungssystems in der
Zielumgebung und für die Zielanwendung.
Evaluierung bildgebender Verfahren zur Unterstützung funkbasierter
Lokalisierungssysteme. Funkbasierte Lokalisierungssysteme können ihre Stärken
gegenüber Kamera-basierten Lokalisierungssystemen immer dann ausspielen,
wenn es zu Verdeckungen von Objekten kommen kann. Im Gegenzug haben
Funkbasierte Systeme Probleme mit metallischen Aufbauten/Oberflächen, da die
Funkwellen an metallischen Oberflächen reflektiert werden und damit über
mehrere Pfade an den Empfangsantennen empfangen werden. In diesem
Arbeitspaket sollen Algorithmen für eine Bild-basierte Ortungskomponente
entwickelt werden, um Funk-Lokalisierungssysteme bei der Positionsrechnung zu
unterstützen.
In 2016 wurde damit begonnen zwei unterschiedliche Systeme zu
entwickeln: CNNLok, ein System zur kamerabasierten Eigenlokalisierung von
Objekten (sog. inside-out tracking), sowie InfraLok ein System zur Lokalisierung
mir Kameras in der Infrastruktur (sog. outside-in tracking) auf Infrarot-Basis.
CNNLok nutzt ein Convolutional Neural Network, trainiert auf einer Vielzahl von in
der Zielumgebung erstellter Kamerabilder. Das Netzwerk liefert anschließend zu
einem aktuellen Kamerabild die Position der Kamera (bzw. des Objektes) im Raum.
InfraLok detektiert Infrarot-LEDs über ein Multi-Kamerasystem und ermittelt deren
Position im Raum. | Projektleitung: Prof. Dr. Michael Philippsen
Beteiligte: Dr.-Ing. Christopher Mutschler
Laufzeit: 15.5.2016 - 31.3.2017
Förderer: Fraunhofer Institut für Integrierte Schaltungen
Kontakt: Philippsen, Michael Telefon +49-9131-85-27625, Fax +49-9131-85-28809, E-Mail: michael.philippsen@fau.de
|