Konzept zur Gefährdungserkennung im städtischen Verkehrsraum durch Personendetektion in MLS-Punktwolken

Die Detektion von personenbezogenen Gefährdungen im städtischen Verkehrsraum stellt eine Aufgabe dar, deren automatische Erfüllung durch ein technisches System z.B. im Hinblick auf die Entwicklung von Fahrerassistenzsystemen wünschenswert ist. In diesem Beitrag wird zunächst das Konzept einer Methode vorgestellt, welche diese Aufgabe unter Verwendung von 3D-LiDAR-Sensoren lösen kann. In der Methode wird die Aufgabe in mehrere Teilschritte zerlegt, zu denen eine Vorverarbeitung, die Detektion und das Tracking von Personen sowie eine abschließende Situationsbewertung gehören. Die zweite Hälfte des Beitrags konzentriert sich auf den Teilschritt der Detektion von Personen und auf die dafür notwendigen Schritte der Datenvorverarbeitung. Die Datenvorverarbeitung generiert dabei eine Reihe von Punktwolkensegmenten, bei denen es sich um Personen handeln könnte. Die Personendetektion erfolgt dann durch Klassifizierung dieser Segmente auf Basis eines ""Implicit Shape Models"". In ersten Untersuchungen wurde eine Genauigkeit von ca. 66 % bei einem Recall von ca. 76 % erreicht.