TU Darmstadt / ULB / tuprints

Object Detection and Classification for Mobile Platforms Using 3D Acoustic Imaging

Moebus, Marco :
Object Detection and Classification for Mobile Platforms Using 3D Acoustic Imaging.
TU Darmstadt, Institut für Nachrichtentechnik, FG Signalverarbeitung
[Ph.D. Thesis], (2011)

This is the latest version of this item.

[img]
Preview
PDF
thesis.pdf
Available under Creative Commons Attribution Non-commercial No Derivatives.

Download (8Mb) | Preview
Item Type: Ph.D. Thesis
Title: Object Detection and Classification for Mobile Platforms Using 3D Acoustic Imaging
Language: English
Abstract:

This thesis addresses the problem of obstacle detection and classification for mobile platforms such as robots using acoustic imaging. To obtain an acoustic image of a scene, a spatially broad signal is transmitted and the ob ject’s reflections are received by a 2D array of acoustic receivers. The resulting data is processed using adaptive beamforming and can be translated into a three-dimensional image. Since the targeted platforms operate in man-made environments, we first develop design principles derived from physical constraints such as the slow speed of sound in air. Furthermore, we present a calibration method which is specifically well suited for acoustic arrays and parametrically corrects for position errors of the sensors. Other methods are either limited, e.g., by the need of a high number of calibration sources, or can correct such errors non-parametrically and therefore sometimes insufficiently. The increasing cost pressure for domestic robots demands to operate using cheap hardware, which favors the use of acoustic imaging. Such cost constraints require to use highly sparse 2D array designs which still allow to resolve ob jects clearly and result in acoustic images with a distinct discrimination between ob ject echoes and background. Thus, we develop methods to design non-uniform, sparse arrays which possess reasonable spatial resolution together with good noise suppression. The presented methods apply minimum-redundancy theory in the two-dimensional case and extend it in order to control the redundancy. We also address the problem of human detection and develop feature sets for a corresponding binary classifier. As a result, humans can be discriminated from other ob jects using only a three-dimensional feature space and simple classifiers such as Linear Discriminant Analysis or Quadratic Discriminant Analysis with an accuracy of almost 97 percent. We also present geometrical and statistical features which allow the classification of humans with respect to their pose, meaning that we can distinguish whether a person is walking or standing with a classification accuracy of more than 87 percent. All developed methods are applied not only to simulation data, but also to real data measurements. The data was obtained using several prototypes of real acoustic array systems in indoor and outdoor environments.

Alternative Abstract:
Alternative AbstractLanguage
Diese Doktorarbeit thematisiert das Problem der Ob jekt-Entdeckung und -Klassifizierung für mobile Plattformen wie Autos oder Roboter mit Hilfe von Ultraschall-Sensorgruppen. Hierbei wird ein räumlich breites Anregungssignal ausgesendet und von einer zwei-dimensionalen Sensorgruppe empfangen. Mit Hilfe von adaptiven Beamforming-Verfahren werden die zurück reflektierten Echos dann verarbeitet und können in einem drei-dimensionalen Bild der Szene dargestellt werden. Zunächst beschreiben wir einige Entwicklungsprinzipien, die sich aus dem Betrieb in von Menschenhand geschaffener Umgebung sowie physikalischen Bedingungen ergeben, so z.B. durch die geringe Schallgeschwindigkeit in Luft. Darüber hinaus stellen wir ein Kalibrierungsverfahren vor, welches insbesondere für Ultraschall-Sensorgruppen eine parametrische Korrektur von Positionsfehlern der Sensoren ermöglicht. Bisherige Verfahren benötigen hierzu entweder viele Kalibrierungsquellen oder können Positionsfehler nur nicht-parametrisch und damit manchmal unzureichend korrigieren. Aufgrund des hohen bzw. steigenden Kostendrucks in der Automobil- und Robotikbranche ist hierbei besonders wichtig, ein solches System mit hoher Leistungsfähigkeit, aber nur einer geringen Anzahl von Sensoren betreiben zu können. Daher werden in dieser Arbeit Verfahren dargestellt, die es erlauben, schwach besetze Sensorgruppen zu entwerfen, die eine hohe räumliche Auflösung ermöglichen, dabei jedoch auch gute Rauschunterdrückung aufweisen. Dadurch können Objekte verlässlich und ausreichend genau dargestellt werden und heben sich gut vom Hintergrund ab. Die entwickelten Methoden basieren auf der Theorie minimaler Redundanz, die in dieser Arbeit für den zwei-dimensionalen Fall angewandt und erweitert wird. In einem weiteren Teil der Arbeit beschäftigen wir uns mit der Detektion von Personen mit Hilfe dieser Ultraschall-Sensorgruppen. Wir zeigen, dass sich aus den verarbeiteten Echos einfache geometrische Merkmalen extrahieren lassen, anhand derer Personen mit einer Genauigkeit von knapp 97 Prozent von anderen Objekten unterschieden werden können. Die dazu notwendigen Klassifikatoren basieren auf linearer und quadratischer Diskriminantenanalyse und besitzen daher geringe Komplexität. Darüber hinaus ist es auch anhand eines einzelnen Bildes möglich, die Haltung einer Person genauer zu klassifizieren. So entwickeln wir Klassifikatoren, die anhand einer Kombination von geometrischen und statistischen Merkmalen erkennen, ob eine Person läuft oder steht. Die hierbei erreichte Genauigkeit beträgt mehr als 87 Prozent. Die entwickelten Methode werden nicht nur in Simulationen angewendet und bewertet, sondern auch auf reale Messdaten angewandt. Die Daten wurden mit Hilfe mehrerer Prototypen von akustischen Sensorgruppen aufgenommen. Dabei wurden sowohl innerhalb als auch außerhalb von Gebäuden verschiedene Szenarien aufgenommen.German
Uncontrolled Keywords: acoustic imaging, sparse arrays, object detection, object classification, human presence detection
Alternative keywords:
Alternative keywordsLanguage
acoustic imaging, sparse arrays, object detection, object classification, human presence detectionEnglish
Classification DDC: 500 Naturwissenschaften und Mathematik > 530 Physik
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
600 Technik, Medizin, angewandte Wissenschaften > 600 Technik
Divisions: Fachbereich Elektrotechnik und Informationstechnik > Signalverarbeitung
Date Deposited: 23 Feb 2011 14:05
Last Modified: 07 Dec 2012 11:59
URN: urn:nbn:de:tuda-tuprints-24311
License: Creative Commons: Attribution-Noncommercial-No Derivative Works 3.0
Referees: Zoubir, Prof. Abdelhak and Bouzerdoum, Prof. Salim
Refereed: 13 December 2010
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/2431
Export:

Available Versions of this Item

  • Object Detection and Classification for Mobile Platforms Using 3D Acoustic Imaging. (deposited 23 Feb 2011 14:05) [Currently Displayed]

Actions (login required)

View Item View Item