I see you lying on the ground - can I help you? : fast fallen person detection in 3D with a mobile robot. - In: Human-robot collaboration and human assistance for an improved quality of life, ISBN 978-1-5386-3518-6, (2017), S. 74-80
https://doi.org/10.1109/ROMAN.2017.8172283
Crack detection with an interactive and adaptive video inspection system. - In: Arbeitsgruppentagung Infrastrukturmanagement, ISBN 978-3-86446-176-7, (2017), insges. 10 S.
Local real-time motion planning using evolutionary optimization. - In: Towards Autonomous Robotic Systems, (2017), S. 211-221
https://doi.org/10.1007/978-3-319-64107-2_17
Mobile robot companion for walking training of stroke patients in clinical post-stroke rehabilitation. - In: IEEE International Conference on Robotics and Automation (ICRA), ISBN 978-1-5090-4633-1, (2017), S. 1028-1035
https://doi.org/10.1109/ICRA.2017.7989124
How to get pavement distress detection ready for deep learning? : a systematic approach. - In: IJCNN 2017, ISBN 978-1-5090-6182-2, (2017), S. 2039-2047
https://doi.org/10.1109/IJCNN.2017.7966101
A feedback estimation approach for therapeutic facial training. - In: 12th IEEE International Conference on Automatic Face and Gesture Recognition - FG 2017, ISBN 978-1-5090-4023-0, (2017), S. 141-148
https://doi.org/10.1109/FG.2017.26
ROREAS: robot coach for walking and orientation training in clinical post-stroke rehabilitation - prototype implementation and evaluation in field trials. - In: Autonomous robots, ISSN 1573-7527, Bd. 41 (2017), 3, S. 679-698
http://dx.doi.org/10.1007/s10514-016-9552-6
Automatisierte Erkennung und Evaluation von therapeutischen Übungen für Patienten mit Mimikdysfunktionen. - Ilmenau : Universitätsbibliothek, 2016. - 1 Online-Ressource (xii, 211 Seiten, 33.37 MB)
Technische Universität Ilmenau, Dissertation 2016
In dieser Arbeit wird ein flexibles, kamerabasiertes Trainingssystem zur Rehabilitation von Gesichtslähmungen (Fazialisparesen) und anderen Mimikdysfunktionen vorgestellt. Das System unterstützt das selbstständige Training des Patienten, indem es die Durchführung von insgesamt zwölf Fazialisübungen automatisch bewertet und mehrstufiges Feedback an den Anwender vermittelt. Es eignet sich somit für einen begleitenden Einsatz zu den regulären Übungseinheiten, welche von einem Logopäden oder Sprechwissenschaftler angeleitet werden. Während Ansätze zur automatisierten Diagnose und Gradierung von Fazialisparesen in der Literatur vergleichsweise verbreitet sind, finden sich gegenwärtig nur vereinzelt Konzepte für therapiebegleitende Trainingsanwendungen. Die diesen Anwendungen zu Grunde liegenden Algorithmen sind zudem auf einzelne Fazialisübungen spezialisiert und daher, anders als das in dieser Arbeit vorgestellte System, nicht ohne Mehraufwand auf weitere Übungen übertragbar. Die Beiträge der vorliegenden Arbeit umfassen die wesentlichen Komponenten der technischen Gesamtarchitektur des Trainingssystems. Der methodische und experimentelle Fokus der Ausarbeitung liegt dabei vor allem auf der Merkmalsextraktion, sowie der Ableitung des Feedbacks aus den extrahierten Merkmalsdeskriptoren. Eine wesentliche Neuheit gegenüber dem Stand der Technik besteht in der Möglichkeit, das Trainingssystem flexibel um zusätzliche Fazialisübungen zu ergänzen und sowohl globales als auch regionenbezogenes Feedback bereitzustellen. Die dafür ausgewählten Verfahren basieren vorwiegend auf der Verarbeitung von 3D-Kameradaten und umfassen die Extraktion von Punktsignaturen, Histogrammen orientierter Normalenvektoren, sowie von Krümmungs-, Distanz- und Winkelmerkmalsdeskriptoren. Die Feedbackermittlung stützt sich auf den Einsatz von Random-Forests und den aus diesen ableitbaren paarweisen Ähnlichkeiten. Letztere stellen Schätzwerte für die merkmalsbezogene Übereinstimmung zwischen der vom Patienten ausgeführten Übung und den Modelldurchführungen in den Trainingsdaten dar.
http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2016000698
Are color features important for person detection? - insights into features learned by deep convolutional neural networks. - In: 22. Workshop Farbbildverarbeitung, (2016), S. 169-182
ROREAS - Robotic rehabilitation assistant for gait training of stroke patients :
Interaktiver robotischer Reha-Assistent für das Lauf- und Orientierungstraining von Patienten nach Schlaganfällen : ROREAS : Abschlussbericht : Projektlaufzeit 01.07.2013-31.03.2016. - Ilmenau : TU Ilmenau, FG Neuroinformatik und Kognitive Robotik. - 1 Online-Ressource (43 Seiten, 2,21 MB)Förderkennzeichen BMBF 16SV6133 - V4KMU12/204. - Verbund-Nummer 01145506
https://edocs.tib.eu/files/e01fb16/873306147.pdf