Feedforward control for non-minimumphase local model networks using model following control. - In: 2018 IEEE Conference on Control Technology and Applications (CCTA), (2018), S. 1577-1582
https://doi.org/10.1109/CCTA.2018.8511378
Observer with improved convergence for a class of initialized FO-LTI systems. - In: 2018 IEEE Conference on Control Technology and Applications (CCTA), (2018), S. 1570-1576
https://doi.org/10.1109/CCTA.2018.8511326
Shaft torque and backlash estimation for longitudinal motion control of all-wheel-drive vehicles. - In: 2018 IEEE Conference on Control Technology and Applications (CCTA), (2018), S. 1434-1440
https://doi.org/10.1109/CCTA.2018.8511096
Offset and misalignment estimation for the online calibration of an MEMS-IMU using FIR-filter modulating functions. - In: 2018 IEEE Conference on Control Technology and Applications (CCTA), (2018), S. 1427-1433
https://doi.org/10.1109/CCTA.2018.8511091
A KPI-based probabilistic soft sensor development approach that maximizes the coefficient of determination. - In: Sensors, ISSN 1424-8220, Bd. 18 (2018), 9, 3058, insges. 17 S.
https://doi.org/10.3390/s18093058
Influence of structured information in bug report descriptions on IR-based bug localization. - In: SEAA 2018, ISBN 978-1-5386-7383-6, (2018), S. 26-32
https://doi.org/10.1109/SEAA.2018.00014
TumorEncode - deep convolutional autoencoder for computed tomography tumor treatment assessment. - In: 2018 International Joint Conference on Neural Networks (IJCNN), ISBN 978-1-5090-6014-6, (2018), insges. 8 S.
https://doi.org/10.1109/IJCNN.2018.8489193
Machine learning for image based species identification. - In: Methods in ecology and evolution, ISSN 2041-210X, Bd. 9 (2018), 11, S. 2216-2225
https://doi.org/10.1111/2041-210X.13075
Ein Beitrag zur robusten Nutzerwahrnehmung auf realwelttauglichen Assistenzrobotern in häuslichen Szenarien. - Ilmenau : Universitätsbibliothek, 2018. - 1 Online-Ressource (iv, 192 Seiten)
Technische Universität Ilmenau, Dissertation 2018
Die höhere Lebenserwartung der Bevölkerung und eine rückläufige Geburtenrate führen zu einem steigenden Anteil älterer Menschen in der Gesellschaft. Mobile Assistenzroboter sollen ältere Personen zukünftig in ihren Wohnungen unterstützen. Um sinnvolle Funktionen und Dienste anbieten zu können, muss der Roboter Personen in seiner Umgebung wahrnehmen können. Das häusliche Szenario stellt dabei aufgrund seiner Komplexität eine Herausforderung für die Erkennungsalgorithmen dar. Komplexität entsteht beispielsweise durch unterschiedliche Einrichtungsmöglichkeiten, schwierige Beleuchtungsbedingungen und variable Nutzerposen. Die Dissertation stellt eine Architektur zur Personenwahrnehmung für mobile Roboter vor. Die modulare Architektur beschreibt die verwendeten Komponenten und deren Kommunikation untereinander. Aufgrund der Modularität können einzelne Komponenten schnell integriert oder ausgetauscht werden. Die Arbeit evaluiert eine Vielzahl von multi-modalen Detektionsverfahren auf Basis von Laser-, Kamera- und 3D-Tiefendaten. Ausgewählte Algorithmen werden für Anwendungsszenario angepasst und weiterentwickelt. Die Hypothesen der Detektoren werden durch einen Personentracker raumzeitlich gefiltert und fusioniert. Besonderheiten des Personentrackers umfassen die Unterstützung mehrerer Filter und Systemmodelle, die Integration von nicht unabhängigen und verspäteten Beobachtungen, die Schätzung der Existenzwahrscheinlichkeit sowie die Integration von Umgebungswissen. Um Nutzer, welche sich nicht im Sichtbereich des Roboters befinden, in der Wohnung zu finden, werden verschiedene Suchverfahren vorgestellt. Das fortschrittlichste Verfahren verwendet eine explorative Suche, um die gesamte Wohnung effektiv zu durchsuchen. Dabei werden falsch-positiv Detektionen ausgeschlossen und mit dynamischen Hindernissen und nicht erreichbaren Räumen umgegangen. Die Arbeit stellt ein Verfahren für die Erkennung von gestürzten, am Boden liegenden Personen vor. Die auf Tiefendaten basierende Erkennung erlaubt es dem Roboter, Personen von anderen Objekten oder Tieren in der Wohnung zu unterscheiden. Die entwickelten Algorithmen wurden im realen Anwendungsszenario evaluiert, indem der Roboter für bis zu 3 Tage in den Wohnungen von Senioren zur freien Nutzung verblieb. Die Experimente zeigten, dass die vorgestellte Architektur zur Personenwahrnehmung robust genug arbeitet, damit der Roboter mithilfe seiner Dienste einen Mehrwert für die Senioren liefern kann.
https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2018000374
Situation awareness for autonomous agents. - In: IEEE RO-MAN 2018, ISBN 978-1-5386-7980-7, (2018), S. 666-671
https://doi.org/10.1109/ROMAN.2018.8525511