Entwicklung eines kamerabasierten Kollisionsgefahrerkennungssystems zur Assistenz von Gabelstaplerfahrern unter Einsatz von Computer-Vision und Machine-Learning

Lang, Armin Fredrik

Armin Fredrik Lang

If you experience problems opening the document, please try this link.

Original title:: Entwicklung eines kamerabasierten Kollisionsgefahrerkennungssystems zur Assistenz von Gabelstaplerfahrern unter Einsatz von Computer-Vision und Machine-Learning
Translated title:: Development of a camera-based collision risk detection system to assist forklift truck drivers using computer vision and machine learning
Author:: Lang, Armin Fredrik
Year:: 2021
Document type:: Dissertation
Faculty/School:: TUM School of Engineering and Design
Advisor:: Fottner, Johannes (Prof. Dr.)
Referee:: Fottner, Johannes (Prof. Dr.); Freitag, Michael (Prof. Dr.)
Language:: de
Subject group:: MAS Maschinenbau
Keywords:: Kollision; Gabelstapler; Machine Learning; Computer Vision
Translated keywords:: collision; fork lift; industrial truck; truck; machine learning; computer vision
TUM classification:: FER 044; WIR 780; MAS 700
Abstract:: Diese Forschungsarbeit handelt von der Entwicklung eines Systems zur Erkennung von Kollisionsgefahren für Gabelstaplerfahrer. In dem System wurden Algorithmen aus dem Bereich Computer-Vision eingesetzt um in Verbindung mit einer auf dem Gabelstapler montierten 3D-Kamera Kollisionsgefahren während der Fahrt zu identifizieren. Mithilfe des zusätzlichen Einsatzes einer Personenerkennung erlaubt das System zusätzlich eine differenzierte Kollisionsgefahrerkennung mit oder ohne Menschbeteiligung.
Translated abstract:: This research is about the development of a collision detection system for forklift truck drivers. In the system, algorithms from the field of computer vision were used in connection with a 3D camera mounted on the forklift to identify collision risks while driving. With the additional use of person detection, the system also allows differentiated collision risk detection with or without human involvement.
WWW:: https://mediatum.ub.tum.de/?id=1595363
Date of submission:: 15.02.2021
Oral examination:: 30.09.2021
File size:: 16604777 bytes
Pages:: 285
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210930-1595363-1-0
Last change:: 05.11.2021
BibTeX