Profil

Dennis Nienhüser studierte von 2001 bis 2007 Informatik an der Universität Karlsruhe (TH). Die Schwerpunkte seines Studiums legte er auf die Bereiche Robotik und Kognitive Systeme. Seine Diplomarbeit Kamera-basierte Erkennung von Geschwindigkeitsbeschränkungen auf deutschen Straßen führte er in der Abteilung Interaktive Diagnose und Servicesysteme (IDS) am Forschungszentrum Informatik (FZI) durch. Seit April 2007 ist er wissenschaftlicher Mitarbeiter im Forschungsbereich ISPE.

Angebote für Studenten

Im Rahmen der unten aufgeführten Schwerpunktbereiche biete ich verschiedene Arbeiten rund um die Themen Umfelderkennung und Situationsinterpretation an: Von der Segmentierung, Klassifikation und Verfolgung von Verkehrszeichen über die Fusion mit anderen Systemen bis hin zur Interpretation der gewonnenen Informationen. Bei Interesse einfach direkt bei mir nach aktuellen Themen nachfragen -- nicht alle Arbeiten sind immer schon ausgeschrieben.

Veröffentlichungen

Forschung und Entwicklung

Im Rahmen verschiedener Projekte befasse ich mich mit der Entwicklung von Fahrerassistenzsystemen zur Wahrnehmung und Interpretation der Fahrzeugumgebung, insbesondere der Erkennung und Interpretation von (Verkehrs-) Zeichen. Dabei kommen schwerpunktmäßig Methoden und Verfahren aus den Bereichen Maschinensehen und Machinelles Lernen zum Einsatz. Einige Beispiele abgeschlossener und laufender Projekte bzw. (studentischer) Arbeiten sind im Folgenden aufgelistet.

Erkennung von Geschwindigkeitsbeschränkungen und Überholverboten

Die aktuell zulässige Höchstgeschwindigkeit stellt eine wichtige Information im Straßenverkehr dar, die unter anderen von Verkehrszeichen übermittelt wird. Digitale Karte reichen nicht aus, um die Höchstgeschwindigkeit korrekt zu ermitteln, da sich beispielsweise in Baustellen kurzfristig Änderungen ergeben und der Zustand von Wechselverkehrszeichen nicht ermittelt werden kann. Als ideale Ergänzung zu digitalen Karten bietet sich daher ein kamerabasiertes Erkennungssystem an, wie es beispielsweise im Opel Insignia oder der BMW 7er Reihe bereits heute eingesetzt wird. Das am FZI entwickelte System zur Erkennung von Tempolimits und Überholverboten verspricht durch den Einsatz robuster Verfahren wie der radialen Symmetrie und Support-Vektor-Maschinen eine besonders zuverlässige Erkennung. Neben der Umsetzung auf einem Steuergerät im Fahrzeug werden derzeit weitere Funktionen wie die Erkennung von Zusatzzeichen entwickelt.

Kamerabasierte Erkennung von Halteverbotszeichen in urbaner Umgebung

Eine besondere Herausforderung stellt die Erkennung von Halteverboten in Videos dar, da diese in der Regel quer zur Fahrtrichtung aufgestellt sind. Sebastian Brechtel entwickelte in seiner Studienarbeit ein online lauffähiges System zur Erkennung solcher Zeichen, das basierend auf einer Hough Transformation für Ellipsen Kandiaten  im Bild ermittelt und mittels eines "Eigenschilder"-Ansatzes die verschiedenen Typen von Halteverboten unterscheiden kann.

Fusion von Zeichenerkennung und Fahrspurverfolgung zur Spurzuordnung von Verkehrszeichen

Auf mehrspurigen Strecken mit hohem Verkehrsaufkommen werden vermehrt Wechselverkehrszeichen eingesetzt, die für einzelne Spuren unterschiedliche Verkehrszeichen darstellen können. Damit werden Spuren für Lkws gesperrt oder es wird eine andere Höchstgeschwindigkeit gesetzt. In diesem auf dem Intelligent Vehicles Symposium 2008 in Eindhoven, Niederlande veröffentlichten Kongressbeitrag wird ein Ansatz zur Spurzuordnung von Verkehrszeichen untersucht. Dafür wurde in Kombination mit einem ebenfalls am FZI entstandenen Fahrspurverfolgungssystem ein probabilistisches Verfahren entwickelt, das Verkehrszeichen einer oder mehreren Fahrspuren zuordnet.

Bildbasierte Bestimmung von Wetterverhältnissen im Straßenverkehr

Bei "schlechtem" Wetter wie Regen und Nebel verschlechtert sich die Sicht und verlängert sich der Anhalteweg. Die Kenntnis der aktuellen Wetterlage ist auch für Fahrerassistenzsysteme hilfreich, um den Fahrer etwa auf die Gefahr überhöhter Geschwindigkeit bei nahenden Kurven hinzuweisen, die Gültigkeit des Zusatzzeichens "Bei Nässe" zu beurteilen oder sogar eine spezielle Vorverarbeitung zur Bildverbesserung vorzunehmen. In seiner Studienarbeit entwickelte Sebastian Wirkert ein System, das ausgehend von einem Einzelbild trockenes Wetter, Nebel und Regen unterscheiden kann. Des Weiteren wurde eine Reduktion von Nebeleffekten realisiert.

Situationskontextabhängige Fusion von digitalen Karten und Verkehrszeichenerkennung

Digitale Karten und ein kamerabasiertes System sind eine ideale Ergänzung zur Bestimmung der aktuell gültigen Höchstgeschwindigkeit. Die Fusion beider Informationsquellen muss aber adäquat mit Konfliktsituationen umgehen, Situationen also, in denen beide Informationsquellen unterschiedliche Höchstgeschwindigkeiten ermitteln. In diesem auf dem Intelligent Vehicles Symposium 2009 in Xi'an, China, veröffentlichten Kongressbeitrag wird eine solche Fusion nach Dempster/Shafer vorgestellt. Dabei wird zusätzlich der "Situationskontext" bestimmt -- Wettersituation, Dunkelheit, das Vorhandensein von Baustellen und Wechselverkehrszeichen -- und diese Informationen fließen in die Fusion mit ein. Damit wird beispielsweise dem kamerabasierten System in Baustellensituationen eine höhere Zuverlässigkeit zugewiesen oder die Zuverlässigkeit der digitalen Karte bei Schlechtwettersituationen höher bewertet, was letztlich zur Entschärfung oder Vermeidung von Konfliktsituationen führt.

Texterkennung auf Richtungswegweisern

Oft reicht die Zeit kaum aus, um die Informationen auf Richtungswegweisern bei der Vorbeifahrt zu erfassen. Als Ergänzung zu Navigationssystemen, die mit ungenauen Positionsangaben und nicht ausreichenden Karteninformationen zu kämpfen haben, wurde von Boxun Xi in seiner Diplomarbeit ein kamerabasiertes System zur Texterkennung von Richtungswegweisern entwickelt. Es detektiert blaue Richtungswegweiser im Bild und erkennt Symbole und Texte, welche mit Hilfe einer OCR-Software und eines Wörterbuchs erkannt werden. Das ermöglicht die Hervorhebung des Routingziels im Videobild und entlastet so den Fahrer, der sich auf den Straßenverkehr konzentrieren kann.

Bildbasierte Erkennung situativ relevanter Ampeln für Assistenzsysteme

Etwa alle 400 Meter begegnet man in Innenstädten einer Ampel. Markus Drescher entwickelte in seiner Diplomarbeit ein System zur Erkennung von Ampeln, dass neben ihrer Position auch den Zustand (Ampelfarbe und -symbole) erkennt. Auf der ITSC 2010 habe ich eine Erweiterung des Systems vorgestellt, die über Hidden Markov Modelle (HMMs) die Art der Ampel erkennt: Ampeln mit drei, zwei und einem Licht (blinkendes gelbes Warnlicht) werden unterschieden.

Semiautomatische OpenStreetMap-Kartierung mit einem Segway Personentransporter

Die Erstellung digitaler Straßenkarten ist ein zeitaufwendiger, meist händischer Prozess. In seiner Bachelorarbeit entwickelte Andreas Weber ein System, das diesen Prozess für Verkehrszeichen stark vereinfacht: Während der Fahrt mit einem Segway Personentransporter werden Verkehrszeichen automatisch erfasst und mitsamt ihrer Position abgespeichert. Das System gleicht die gefundenen Verkehrszeichen mit der Karte ab und präsentiert noch nicht in der Karte vorhandene Verkehrszeichen am Fahrtende dem Benutzer. Dieser verifiziert die Systemvorschläge, die anschließend direkt in die OpenStreetMap-Karte übernommen werden.