Tracking of Human Motion by Combining Recursive Bayesian Estimation Methods with Fractional Order / Variable Order models

• Applicant: Professor Dr.-Ing. Yiannos Manoli
• Subject Area: Automation, Mechatronics, Control Systems, Intelligent Technical Systems, Robotics
• Term: from 2010 to 2012
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 162182751

Zur Verfolgung der Bewegung von Personen, sei es ihre Position im Raum oder die exakte Lage einzelner Körperteile, existiert eine Vielzahl geeigneter Sensorsysteme mit Kameras, Inertialsensoren, elektromagnetischen oder akustischen Sensoren. Zur Fusion unterschiedlicher Sensordaten und der Schätzung der Bewegung werden meist rekursive Bayes’sche Schätzverfahren wie Kalman Filter oder Particle Filter verwendet. Alle diese Verfahren beruhen auf der Formulierung eines Modells für die zu verfolgende Bewegung. Da insbesondere menschliche Bewegungen, wie zum Beispiel die der Hand, nur schwer vorhersehbar sind, ist es schwierig, gute Modelle dafür aufzustellen. Im Falle niedriger Messraten oder ungenauer Sensoren wird die Schätzung daher ungenau. Ziel dieses Forschungsvorhabens ist die Verwendung fraktionaler Prozesse im Rahmen rekursiver Bayes’scher Schätzverfahren. Fraktionale Prozesse werden durch Ableitungen und Integrale nicht-ganzzahliger Ordnung beschrieben und finden unter Anderem in der Beschreibung von Diffusionsprozessen, der Physik biologischer Materialien und der Regelungstechnik Verwendung. Eine wesentliche Eigenschaft fraktionaler Prozesse ist die Berücksichtigung der Vergangenheit, die mehr Freiheiten in der Modellierung eines Systems bietet, aber gleichzeitig auch zu Schwierigkeiten in der numerischen Umsetzung und der Verwendung mit rekursiven Schätzverfahren führt. In dem Forschungsvorhaben werden entsprechende Algorithmen konzipiert, implementiert und untersucht und schließlich in einem Sensorsystem zur Positions- und Orientierungsverfolgung menschlicher Körperteile implementiert.

• DFG Programme: Research Grants