004 Informatik
Refine
Year of publication
Document Type
- Part of a Book (18) (remove)
Has Fulltext
- no (18) (remove)
Is part of the Bibliography
- no (18)
Keywords
- Digitalisierung (1)
- Informationstechnik (1)
- Kommunikation (1)
- Medienwissenschaft (1)
- Mobilität (1)
Institute
Starting with the automatic gear change, the operation of a vehicle becomes more and more abstract. In the future, we could control vehicles with single, simple commands. For such a maneuver-based vehicle control system, we investigate a head-up display design in a workshop. The aims are to identify common and distinct features of various display designs through mock-ups. First results show that different sizes of GUI elements are preferred by different states. The preferred position of GUI elements in the head-up display (HUD) is the central bottom area. We found two major interface design styles: static interfaces (all elements visible) with fixed layout and dynamic interfaces (only relevant elements visible) with fixed or adaptive layout.
Fahrer benötigen zur sicheren Steuerung ihres Fahrzeugs im Straßenverkehr eine Reihe von Anzeigen. Viele Funktionen zur Fahrerassistenz benötigen Eingaben des Fahrers. Wie auch in den vergangenen Jahren die Funktionsvielfalt gewachsen ist, sind auch Anzeige und Bedienelemente gestiegen. Im vorangegangen Kapitel wurde bereits die Begrenztheit der menschlichen Leistungsfähigkeit bei der gleichzeitigen Aufnahme und Interpretation von Informationen dargelegt. Die Herausforderung an das HMI im Fahrzeug ist durch die gewachsene Anzahl und auch Komplexität der Systeme enorm gestiegen. In diesem Kapitel sollen zu ausgewählten Funktionen die Anzeige und Bedienkonzepte vorgestellt werden, von einfachen Anzeigen bis zu Strategien für das autonom fahrende Fahrzeug. Dabei wird ein besonderes Augenmerk auf die sicherheitsrelevanten Aspekte gelegt.
Sicherheitskritische Mensch-Computer-Interaktion ist nicht nur derzeit, sondern auch zukünftig ein äußerst relevantes Thema. Hierbei kann ein Lehr- und Fachbuch, wie dieses, immer nur einen punktuellen Stand abdecken. Dennoch kann der Versuch unternommen werden, aktuelle Trends zu identifizieren und einen Ausblick in die Zukunft zu wagen. Genau das möchte dieses Kapitel erreichen: Es sollen zukünftige Entwicklungen vorausgesagt und versucht werden, diese korrekt einzuordnen. Das ist an dieser Stelle nicht nur durch den Herausgeber, sondern durch Abfrage bei zahlreichen am Lehrbuch beteiligten Autoren geschehen. Neben einem Ausblick auf Grundlagen und Methoden werden dementsprechend auch sicherheitskritische interaktive Systeme und sicherheitskritische kooperative Systeme abgedeckt.
Kaum ein sicherheitskritisches System hat eine so große Verbreitung bei Privatpersonen gefunden wie das Automobil. Seit seiner Erfindung hat es eine rasante Weiterentwicklung erfahren, von einer rein mechanischen Maschine zu einem System, bei dem heute die meisten Innovationen auf elektronischen Komponenten basieren. Dazu zählen insbesondere Fahrerassistenzsysteme, die helfen sollen, komfortabler und sicherer am Ziel der Fahrt anzukommen. Wo einst z. B. der Tempomat einfach über die Einstellung einer festen Geschwindigkeit gesteuert wurde, sind heute bereits einzelne Systeme deutlich umfangreicher und das Zusammenspiel longitudinaler und lateraler Automatisierung führt zu einem Anstieg der Komplexität. Die sichere Bedienung des Fahrzeugs muss jedoch im Vordergrund stehen, kann ein Fehler doch schnell bis hin zu tödliche Folgen haben. In diesem Kapitel werden psychologische Grundlagen vorgestellt und auf die Herausforderungen für die Entwicklung von HMIs im Fahrzeug angewandt. Konkrete Umsetzungen von aktuellen Fahrzeugen bis hin zu Forschungsarbeiten werden betrachtet, ebenso wird auf den Entwicklungsprozess und Nutzerstudien eingegangen.
Multimodaler Sensor zur Fahrzeugführung: Teilprojekt: Architektur, Rundumsicht und Objekterkennung
(1997)
Im vorliegenden Beitrag wird ein hochsprachenprogrammierbares System zur schritthaltenden Vollbild-Interpretation natürlich beleuchteter Szenenfolgen im Videotakt vorgestellt. Im einzelnen werden folgende Teilmodule und Subsysteme beschrieben: eine hochdynamische, pixellokal autoadaptive CMOS-Kamera mit ca. 120 dB Helligkeitsdynamik (20Bits/Pixel) ein hochsprachenprogrammierbarer Systolic Array Prozessor (für die pixelbezogenen Verarbeitungsmodule) im PCI-Kartenformat, samt optimierendem Compiler, Simulator und Emulator Systemprozeßgerüste unter Linux auf den für die Echtzeit-Anwendungen eingesetzten Hostrechnern (z.B. DEC/Alpha oder Intel/ Pentium)eine prototypische Anwendung zur bildverarbeitungsbasierten Eigenbewegungsbeobachtung (Translationsrichtung, Eotationsraten)eine prototypische, automotive Anwendung zur schritthalt enden Detektion und Kartierung des Straßen- und Spurverlaufs unter partieller monokularer 3D-Rekonstruktion, sowie prototypische Anwendungen zur Klassifikation verkehrsrelevanter Hindernisse (Verkehrsteilnehmer)
Derzeitige Projekte am Institut für Neuroinformatik in Bochum beschäftigen sich mit der Analyse von Straßenverkehrsszenen mittels Computer Vision [12]. Dies impliziert, wegen der durch die natürliche Umwelt aufgestellten Randbedingungen, hohe Anforderungen an die zu entwickelnden Algorithmen. Im speziellen wird versucht, Verkehrsteilnehmer aus Videobildern zu extrahieren und die so gewonnenen Objekthypothesen weiter zu attributieren (z.B. Objektklasse, Abstand, Geschwindigkeit, Gefahrenpotential hinsichtlich der beabsichtigten Eigentrajektorie etc.), um im Hinblick auf den Einsatz in Assistenzsystemen in Fahrzeugen eine möglichst genaue Beschreibung der Umwelt zu erreichen. Nicht nur die große Vielfalt der unterschiedlichen Umweltszenarien, sondern auch das hohe Maß an Sicherheit, das die gestellte Aufgabe erfordert, bedingen ein breitbandiges und flexibles Gesamtsystem [6]. Ein Lösungsvorschlag wird im folgenden behandelt.
Systems for automated image analysis are useful for a variety of tasks and their importance is still growing due to technological advances and an increase of social acceptance. Especially in the field of driver assistance systems the progress in science has reached a level of high performance. Fully or partly autonomously guided vehicles, particularly for road-based traffic, pose high demands on the development of reliable algorithms due to the conditions imposed by natural environments. At the Institut für Neuroinformatik methods for analyzing driving relevant scenes by computer vision are developed in cooperation with several partners from the automobile industry. We introduce a system which extracts the important information from an image taken by a CCD camera installed at the rear view mirror in a car. The approach consists of a sequential and a parallel sensor and information processing. Three main tasks namely the initial segmentation (object detection), the object tracking and the object classification are realized by integration in the sequential branch and by fusion in the parallel branch. The main gain of this approach is given by the integrative coupling of different algorithms providing partly redundant information.
This chapter describes our current research efforts related to the contextualization of learners in mobile learning activities. Substantial research in the field of mobile learning has explored aspects related to contextualized learning scenarios. However, new ways of interpretation and consideration of contextual information of mobile learners are necessary. This chapter provides an overview regarding the state of the art of innovative approaches for supporting contextualization in mobile learning. Additionally, we provide the description of the design and implementation of a flexible multi-dimensional vector space model to organize and process contextual data together with visualization tools for further analysis and interpretation. We also present a study with outcomes and insights on the usage of the contextualization support for mobile learners. To conlcude, we discuss the benefits of using contextualization models for learners in different use-cases. Moreover, a description is presented in order to illustrate how the proposed contextual model can easily be adapted and reused for different use-cases in mobile learning scenarios and potentially other mobile fields.