Prof. Noack
Prof. Dr.-Ing. Benjamin Noack
Institut für Intelligente Kooperierende Systeme (IKS)
Aktuelle Projekte
Lazy Estimation in Networked Systems
Laufzeit: 17.04.2023 bis 16.04.2026
Die Menge an Daten, die von batteriebetriebenen, weit verteilten Sensorsystemen bereitgestellt werden, nimmt fortlaufend zu. Moderne Ansätze der Informationsverarbeitung und Datenfusion können dazu beitragen, den notwendigen Kommunikationsaufwand und Energiebedarf deutlich zu reduzieren. Zu diesem Zweck konzentriert sich dieses Projekt auf Techniken der Informationsverarbeitung, die implizite Informationen einbeziehen können. Solche impliziten Informationen können z. B. aus der Sendeentscheidung eines Sensorknotens abgeleitet werden. Obwohl ein Sensorknoten entscheidet, seine Daten nicht zu senden, kann der Zustandsschätzer am Empfänger eine Aktualisierung mit virtuellen Messdaten vornehmen. Beispielsweise kann der Sender die Sensorwerte mit einem Schwellenwert vergleichen, um eine Sendeentscheidung zu treffen. Der Empfänger kann die Entscheidungsregel in Informationen über die Daten übersetzen, auch wenn keine Übertragung stattfindet. Sender und Empfänger können solche Entscheidungsregeln aushandeln, um die Kommunikationskosten für den Sender zu minimieren und zugleich den Informationsgewinn auf Empfängerseite zu maximieren. Da schwellenwertbasierte Strategien für dynamische Systeme zu einschränkend sind, werden modellbasierte und datengetriebene Triggermechanismen untersucht.
In diesem Projekt werden in erster Linie stochastische Trigger betrachtet. Stochastische Trigger haben gegenüber deterministischen Verfahren den Vorteil, dass die implizite Information auf Empfängerseite durch eine Normalverteilung repräsentiert werden kann, die die Verarbeitung deutlich vereinfacht. So muss z. B. ein Kalman-Filter nur geringfügig angepasst werden, um implizite Messinformationen zu verarbeiten. Ziel dieses Projektes ist die Entwicklung eines umfassenden Konzepts ereignisbasierter Zustandsschätzung auf Grundlage stochastischer Triggermechanismen. Hierzu werden zunächst grundlegende Eigenschaften untersucht und intelligente Verfahren entwickelt, die die Schätzqualität und Robustheit ereignisbasierter Informationsverarbeitung verbessern. Neben modellbasierten und datengetriebenen Verfahren werden eine aperiodische und asynchrone Übertragung und Verarbeitung der Sensordaten angestrebt sowie der Einfluss unzuverlässiger Kommunikationsverbindungen untersucht. Die hierbei erzielten Ergebnisse dienen als Grundlage bei der Betrachtung von Multisensorsystemen und hochdimensionalen Schätzproblemen. Ein Beispiel ist die Überwachung eines weiträumigen Phänomens mit Hilfe eines Sensornetzwerks. In solchen verteilten Schätzproblemen entstehen Abhängigkeiten zwischen den Triggerentscheidungen, die explizit bei der Ausnutzung impliziter Information berücksichtigt werden müssen. Das Projekt betrachtet insbesondere Anwendungen im Bereich des Object-Trackings, um die hergeleiteten Konzepte zu evaluieren. Zudem wird das Anwendungspotential ereignisbasierter Verfahren im Bereich neuromorpher Sensorsysteme und als Ansatz zur Geheimhaltung von Zustandsinformationen untersucht.
DatAmount - Modellierung des Energie- und Ressourcenverbrauchs von Werkzeugmaschinen mittels intelligenter und dateneffizienter Verfahren
Laufzeit: 01.03.2023 bis 31.08.2025
Im Rahmen des Forschungsprojekts DatAmount werden Methoden entwickelt, die es ermöglichen, energietechnische Modelle von Werkzeugmaschinen zu erstellen. Diese Modelle sind geeignet, das energetische Verhalten von Maschinen für neue Produkte auf der Basis kleiner Datenmengen vorherzusagen. Da vor allem im KMU-Kontext häufig Kleinserien gefertigt werden, sind in vielen Fällen nicht genügend Daten vorhanden, um KI-Modelle zu trainieren. Die physikalische Modellierung hingegen ist oft sehr kostspielig. Aufgrund der geforderten CO2-Nachweise und der gesetzten Klimaziele
befinden sich die Unternehmen somit in einem Spannungsfeld. Auf der einen Seite sind genaue Modelle zur Vorhersage des Energieverbrauchs von Maschinen notwendig, um wettbewerbsfähig zu bleiben. Auf der anderen Seite ist die Erstellung solcher Modelle derzeit entweder sehr teuer oder nicht möglich. Die derzeit meist manuell durchgeführte Vorhersage des Energieverbrauchs ist ebenfalls aufwändig und zudem personengebunden. Der hier vorgestellte Ansatz kombiniert physikalische Modelle des Energieverhaltens von Maschinen mit datenbasierten Machine-Learning-Modellen, wobei besonders dateneffiziente Machine-Learning-Modelle untersucht werden. Dies ermöglicht eine automatisierte,
genaue Vorhersage des Energieverbrauchs von Werkzeugmaschinen. Der Nutzen für KMU liegt in der effizienten Erstellung von Modellen, die den Energieverbrauch und die CO2-Emissionen von neuen Produkten vorhersagen können. Diese Vorhersagen sind oft notwendig, um bei einer Ausschreibung
berücksichtigt zu werden, da der Nachweis der Energie- und Ressourceneffizienz in Ausschreibungen größerer Unternehmen mit CO2-Reduktionszielen oft obligatorisch ist.
Ready for Smart City Robots? Multimodale Karten für autonome Mikromobile - R4R
Laufzeit: 01.06.2022 bis 31.05.2025
Problemstellung
Autonom operierende Mobilitätssysteme oder Lieferdienste eröffnen im Hinblick auf die Lebensqualität und Daseinsvorsorge im nicht-urbanen Bereich wie z.B. in den ehemaligen Braunkohleregionen erhebliche Entwicklungspotentiale. Für die Beurteilung des potentiellen Erfolgs der selbständig auf Geh- und Radwegen operierenden Mikromobile bedarf es jedoch umfassender Umgebungsinformationen aus den Operationsgebieten, wie z.B. minimale Wegbreiten, das Fußverkehrsaufkommen oder Sichtlinien. Diese stehen abseits großer Städte nur unvollständig bereit und sind heterogen strukturiert.
Projektziel
Ziel des Vorhabens ist der Entwurf von Strategien für die fahrradgebundene Erhebung der Umgebungsdaten, die für den erfolgreichen Betrieb eines autonomen Mikromobils auf Gehwegen relevant sind (Einsehbarkeit bestimmter Bereiche, Infrastrukturparameter, Personenaufkommen, Netzabdeckung, Umweltdaten). Dafür evaluiert das Vorhaben verschiedene Erhebungsmethoden im Hinblick auf die Effizienz und die Qualität der aggregierten Informationen. Die Verwendbarkeit der Daten wird in zwei konkreten Smart-City/Town-Anwendungsszenarien (Leihfahrräder mit autonomen Bereitstellungsmodus und Lieferroboter) mit entsprechenden Studien untersucht. Damit leistet das Vorhaben einen Beitrag zur datengetriebenen Entwicklung intelligenter Mobilitäts- und Logistikkonzepte, die die spezifischen Besonderheiten unterschiedlicher Siedlungsräume abdecken.
2023
Buchbeitrag
Classification of uncertainty sources for reliable Bayesian estimation
Duník, Jinřich; Straka, Ondřej; Noack, Benjamin
In: 2023 IEEE Symposium Sensor Data Fusion and International Conference on Multisensor Fusion and Integration (SDF-MFI) , 2023 - [Piscataway, NJ] : IEEE, insges. 8 S. [Symposium: 2023 IEEE Symposium Sensor Data Fusion and International Conference on Multisensor Fusion and Integration (SDF-MFI), Bonn, Germany, 27-29 November 2023]
Productive teaming under uncertainty: when a human and a machine classify objects together
Rother, Anne; Notni, Gunther; Hasse, Alexander; Noack, Benjamin; Beyer, Christian; Reißmann, Jan; Zhang, Chen; Ragni, Marco; Arlinghaus, Julia C.; Spiliopoulou, Myra
In: 2023 IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO) , 2023 - [Piscataway, NJ] : IEEE, S. 9-14
Conservative data reduction for covariance matrices using elementwise event triggers
Funk, Christopher; Noack, Benjamin
In: FUSION 2023 / International Conference on Information Fusion , 2023 - [Piscataway, NJ] : IEEE, insges. 6 S.
Graduated moving Window optimization as a flexible framework for multi-object tracking
Funk, Christopher; Noack, Benjamin
In: 2023 American Control Conference (ACC) , 2023 - [Piscataway, NJ] : IEEE ; Tan, Xiaobo, S. 4864-4870 [Konferenz: 2023 American Control Conference (ACC), San Diego, CA, USA, 31 May 2023 - 02 June 2023]
Statistical approach for preload monitoring of ball screw drives
Mayer, Jana; Klumpp, Vesa; Hillenbrand, Jonas; Noack, Benjamin
In: IEEE SENSORS 2023 , 2023 - Piscataway, NJ, USA : IEEE, insges. 4 S. [Konferenz: 2023 IEEE SENSORS, Vienna, Austria, 29 October 2023 - 01 November 2023]
Event-based colored-noise Kalman filtering for improved resource effiency
Schmitt, Eva; Noack, Benjamin
In: 2023 IEEE Symposium Sensor Data Fusion and International Conference on Multisensor Fusion and Integration (SDF-MFI) , 2023 - [Piscataway, NJ] : IEEE, insges. 7 S. [Symposium: 2023 IEEE Symposium Sensor Data Fusion and International Conference on Multisensor Fusion and Integration (SDF-MFI), Bonn, Germany, 27-29 November 2023]
Begutachteter Zeitschriftenartikel
Receding horizon cost-aware adaptive sampling for environmental monitoring
Westermann, Johannes; Mayer, Jana; Petereit, Janko; Noack, Benjamin
In: IEEE control systems letters - New York, NY : IEEE, Bd. 7 (2023), S. 1069-1074
Distributed range-only localization that preserves sensor and navigator privacies
Ristic, Marko; Noack, Benjamin; Hanebeck, Uwe D.
In: IEEE transactions on automatic control / Institute of Electrical and Electronics Engineers - New York, NY : Institute of Electrical and Electronics Engineers, Bd. 68 (2023), Heft 12, S. 7151-7163
Discriminative feature learning through feature distance loss
Schlagenhauf, Tobias; Lin, Yiwen; Noack, Benjamin
In: Machine vision and applications - Berlin : Springer, Bd. 34 (2023), Heft 2, Artikel 25, insges. 13 S.
2022
Buchbeitrag
Privileged estimate fusion with correlated Gaussian keystreams
Ristic, Marko; Noack, Benjamin
In: CDC 22 / IEEE Conference on Decision and Control , 2022 - [Piscataway, NJ] : IEEE, S. 7732-7739 [Konferenz: IEEE 61st Conference on Decision and Control, CDC, Cancun, Mexico, 06-09 December 2022]
Event-based Kalman filtering exploiting correlated trigger information
Noack, Benjamin; Öhl, Clemens; Hanebeck, Uwe D.
In: 2022 25th International Conference on Information Fusion (FUSION) , 2022 - Piscataway, NJ : IEEE, insges. 8 S. [Konferenz: 25th International Conference on Information Fusion, FUSION, Linköping, Sweden, 04-07 July 2022]
Encrypted fast covariance intersection without leaking fusion weights
Ristic, Marko; Noack, Benjamin
In: International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI) / IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems , 2022 - [Piscataway, NJ] : IEEE, insges. 6 S. [Konferenz: 2022 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, MFI, Bedford, United Kingdom, 20-22 September 2022]
2021
Buchbeitrag
Kalman filtered compressive sensing using pseudo-measurements
Zhao, Haibin; Funk, Christopher; Noack, Benjamin; Hanebeck, Uwe; Beigl, Michael
In: 2021 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2021) - Karlsruhe - 2021, paper 66 [Konferenz: 2021 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, MFI 2021, Karlsruhe, Germany, 23-25 September 2021]
Begutachteter Zeitschriftenartikel
Cryptographically privileged state estimation with Gaussian keystreams
Ristic, Marko; Noack, Benjamin; Hanebeck, Uwe D.
In: IEEE control systems letters - New York, NY : IEEE, Bd. 6 (2021), S. 602-607
Secure Fast Covariance Intersection Using Partially Homomorphic and Order Revealing Encryption Schemes
Ristic, Marko; Noack, Benjamin; Hanebeck, Uwe D.
In: IEEE Control Systems Letters, Institute of Electrical and Electronics Engineers (IEEE), 2021, Bd. 5, Heft 1, S. 217-222
Conservative quantization of covariance matrices with applications to decentralized information fusion
Funk, Christopher; Noack, Benjamin; Hanebeck, Uwe D.
In: Sensors - Basel : MDPI, Bd. 21 (2021), Heft 9, Artikel 3059, insges. 21 S.
Fully Decentralized Estimation Using Square-Root Decompositions
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Journal of Advances in Information Fusion, Bd. 16, 1, S. 3-16, 2021
2020
Begutachteter Zeitschriftenartikel
Experimental Evaluation of a Novel Sensor-Based Sorting Approach Featuring Predictive Real-Time Multiobject Tracking
Maier, Georg; Pfaff, Florian; Pieper, Christoph; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Längle, Thomas; Hanebeck, Uwe D.; Beyerer, Jürgen
In: In: Transactions on Industrial Electronics, 2020
Characterizing Material Flow in Sensor-Based Sorting Systems Using an Instrumented Particle
Maier, Georg; Pfaff, Florian; Bittner, Andrea; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Hanebeck, Uwe D.; Längle, Thomas; Beyerer, Jürgen
In: In: at -- Automatisierungstechnik, Bd. 4, 2020
Predictive Tracking with Improved Motion Models for Optical Belt Sorting
Pfaff, Florian; Pieper, Christoph; Maier, Georg; Noack, Benjamin; Gruna, Robin; Kruggel-Emden, Harald; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Längle, Thomas; Beyerer, Jürgen
In: In: at -- Automatisierungstechnik, Bd. 4, 2020
Artikel in Kongressband
Reconstruction of Cross-Correlations between Heterogeneous Trackers Using Deterministic Samples
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 21st IFAC World Congress (IFAC 2020), 2020
Improved Pose Graph Optimization for Planar Motions Using Riemannian Geometry on the Manifold of Dual Quaternions
Li, Kailai; Cox, Johannes; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 21st IFAC World Congress (IFAC 2020), 2020
Fully Decentralized Estimation Using Square-Root Decompositions
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 23rd International Conference on Information Fusion (Fusion 2020), 2020
Conservative Quantization of Fast Covariance Intersection
Funk, Christopher; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2020 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2020), 2020
State Estimation with Event-Based Inputs Using Stochastic Triggers
Noack, Benjamin; Funk, Christopher; Radtke, Susanne; Hanebeck, Uwe D.
In: In: Proceedings of the 21st IFAC World Congress (IFAC 2020), 2020
2019
Begutachteter Zeitschriftenartikel
Gaussianity-Preserving Event-Based State Estimation with an FIR-Based Stochastic Trigger
Schmitt, Eva Julia; Noack, Benjamin; Krippner, Wolfgang; Hanebeck, Uwe D.
In: In: IEEE Control Systems Letters, Bd. 3, 3, S. 769-774, 2019, 2475-1456
Artikel in Kongressband
State Estimation with Model-Mismatch-Based Secrecy against Eavesdroppers
Özgen, Selim; Kohn, Saskia; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2019 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2019), 2019
Nonlinear Decentralized Data Fusion with Generalized Inverse Covariance Intersection
Noack, Benjamin; Orguner, Umut; Hanebeck, Uwe D.
In: In: Proceedings of the 22nd International Conference on Information Fusion (Fusion 2019), 2019
Consistent Fusion in Networks Using Square-root Decompositions of Correlations
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 22nd International Conference on Information Fusion (Fusion 2019), 2019
Feature-Aided Multitarget Tracking for Optical Belt Sorters
Kronauer, Tobias; Pfaff, Florian; Noack, Benjamin; Tian, Wei; Maier, Georg; Hanebeck, Uwe D.
In: In: Proceedings of the 22nd International Conference on Information Fusion (Fusion 2019), 2019
Distributed Estimation with Partially Overlapping States based on Deterministic Sample-based Fusion
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2019 European Control Conference (ECC 2019), 2019
Geometry-Driven Deterministic Sampling for Nonlinear Bingham Filtering
Li, Kailai; Frisch, Daniel; Noack, Benjamin; Hanebeck, Uwe
In: In: Proceedings of the 2019 European Control Conference (ECC 2019), 2019
Comparative Study of Track-to-Track Fusion Methods for Cooperative Tracking with Bearings-only Measurements
Radtke, Susanne; Li, Kailai; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2019 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2019), 2019
2018
Buchbeitrag
State Estimation in Networked Control Systems with Delayed and Lossy Acknowledgments
Rosenthal, Florian; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Multisensor Fusion and Integration in the Wake of Big Data, Deep Learning and Cyber Physical System, Springer International Publishing, S. 22-38, 2018, 978-3-319-90509-9
Begutachteter Zeitschriftenartikel
Optimally Distributed Kalman Filtering with Data-Driven Communication
Dormann, Katharina; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Sensors, Bd. 18, 4, 2018, 1424-8220
Numerical Modelling of an Optical Belt Sorter Using a DEMCFD Approach Coupled with Particle Tracking and Comparison with Experiments
Pieper, Christoph; Pfaff, Florian; Maier, Georg; Kruggel-Emden, Harald; Wirtz, Siegmar; Noack, Benjamin; Gruna, Robin; Scherer, Viktor; Hanebeck, Uwe D.; Längle, Thomas; Beyerer, Jürgen
In: In: Powder Technology, Bd. 370, S. 181-193, 2018
On Directional Splitting of Gaussian Density in Nonlinear Random Variable Transformation
Duník, Jindich; Straka, Ondej; Noack, Benjamin; Steinbring, Jannik; Hanebeck, Uwe D.
In: In: IET Signal Processing, 2018, 1751-9683
Artikel in Kongressband
Scheduling of Measurement Transmission in Networked Control Systems Subject to Communication Constraints
Rosenthal, Florian; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2018 American Control Conference (ACC 2018), 2018
Wavefront Orientation Estimation Based on Progressive Bingham Filtering
Li, Kailai; Frisch, Daniel; Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the IEEE ISIF Workshop on Sensor Data Fusion: Trends, Solutions, Applications (SDF 2018), 2018
Reconstruction of Cross-Correlations with Constant Number of Deterministic Samples
Radtke, Susanne; Noack, Benjamin; Hanebeck, Uwe D.; Straka, Ondej
In: In: Proceedings of the 21st International Conference on Information Fusion (Fusion 2018), 2018
Retrodiction of Data Association Probabilities via Convex Optimization
Özgen, Selim; Hanebeck, Uwe D.; Noack, Benjamin; Huber, Marco; Rosenthal, Florian; Mayer, Jana
In: In: Proceedings of the 21st International Conference on Information Fusion (Fusion 2018), 2018
Encrypted Multisensor Information Filtering
Aristov, Mikhail; Noack, Benjamin; Hanebeck, Uwe D.; Müller-Quade, Jörn
In: In: Proceedings of the 21st International Conference on Information Fusion (Fusion 2018), 2018
2017
Begutachteter Zeitschriftenartikel
Motion-Based Material Characterization in Sensor-Based Sorting
Maier, Georg; Pfaff, Florian; Becker, Florian; Pieper, Christoph; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Längle, Thomas; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Beyerer, Jürgen
In: In: tm - Technisches Messen, De Gruyter, 2017
Decentralized Data Fusion with Inverse Covariance Intersection
Noack, Benjamin; Sijs, Joris; Reinhardt, Marc; Hanebeck, Uwe D.
In: In: Automatica, Bd. 79, S. 35-41, 2017
Real-Time Motion Prediction Using the Chromatic Offset of Line Scan Cameras
Pfaff, Florian; Maier, Georg; Aristov, Mikhail; Noack, Benjamin; Gruna, Robin; Hanebeck, Uwe D.; Längle, Thomas; Beyerer, Jürgen; Pieper, Christoph; Kruggel-Emden, Harald; Wirtz, Siegmar; Scherer, Viktor
In: In: at - Automatisierungstechnik, De Gruyter, 2017
Real-Time Multitarget Tracking for Sensor-Based Sorting
Maier, Georg; Pfaff, Florian; Wagner, Matthias; Pieper, Christoph; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Längle, Thomas; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Beyerer, Jürgen
In: In: Journal of Real-Time Image Processing, 2017
Artikel in Kongressband
Distributed Kalman Filtering With Reduced Transmission Rate
Dormann, Katharina; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2017 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2017), 2017
Event-Based Estimation in a Feedback Loop Anticipating on Imperfect Communication
Sijs, Joris; Noack, Benjamin
In: In: Proceedings of the 20th IFAC World Congress (IFAC 2017), 2017
Optimal Distributed Combined Stochastic and Set-Membership State Estimation
Pfaff, Florian; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 20th International Conference on Information Fusion (Fusion 2017), 2017
Improving Multitarget Tracking Using Orientation Estimates for Sorting Bulk Materials
Pfaff, Florian; Kurz, Gerhard; Pieper, Christoph; Maier, Georg; Noack, Benjamin; Kruggel-Emden, Harald; Gruna, Robin; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Längle, Thomas; Beyerer, Jürgen
In: In: Proceedings of the 2017 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2017), 2017
State Estimation in Networked Control Systems With Delayed And Lossy Acknowledgments
Rosenthal, Florian; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2017 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2017), 2017
Improving Material Characterization in Sensor-Based Sorting by Utilizing Motion Information
Maier, Georg; Pfaff, Florian; Becker, Florian; Pieper, Christoph; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Längle, Thomas; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Beyerer, Jürgen
In: In: Proceedings of the 3rd Conference on Optical Characterization of Materials (OCM 2017), 2017
Numerical Modelling of the Separation of Complex Shaped Particles in an Optical Belt Sorter Using a DEM--CFD Approach and Comparison with Experiments
Pieper, Christoph; Maier, Georg; Pfaff, Florian; Kruggel-Emden, Harald; Gruna, Robin; Noack, Benjamin; Wirtz, Siegmar; Scherer, Viktor; Längle, Thomas; Hanebeck, Uwe D.; Beyerer, Jürgen
In: In: V International Conference on Particle-based Methods. Fundamentals and Applications (PARTICLES 2017), 2017
Inverse Covariance Intersection: New Insights and Properties
Noack, Benjamin; Sijs, Joris; Hanebeck, Uwe D.
In: In: Proceedings of the 20th International Conference on Information Fusion (Fusion 2017), 2017
Information Form Distributed Kalman Filtering (IDKF) with Explicit Inputs
Pfaff, Florian; Noack, Benjamin; Hanebeck, Uwe D.; Govaers, Felix; Koch, Wolfgang
In: In: Proceedings of the 20th International Conference on Information Fusion (Fusion 2017), 2017
2016
Begutachteter Zeitschriftenartikel
Numerical Modeling of an Automated Optical Belt Sorter using the Discrete Element Method
Pieper, Christoph; Maier, Georg; Pfaff, Florian; Kruggel-Emden, Harald; Wirtz, Siegmar; Gruna, Robin; Noack, Benjamin; Scherer, Viktor; Längle, Thomas; Beyerer, Jürgen; Hanebeck, Uwe D.
In: In: Powder Technology, 2016
Improving Optical Sorting of Bulk Materials Using Sophisticated Motion Models
Pfaff, Florian; Pieper, Christoph; Maier, Georg; Noack, Benjamin; Kruggel-Emden, Harald; Gruna, Robin; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Längle, Thomas; Beyerer, Jürgen
In: In: tm - Technisches Messen, De Gruyter, Bd. 83, 2, S. 77-84, 2016
Artikel in Kongressband
Numerical Investigation of Optical Sorting using the Discrete Element Method
Pieper, Christoph; Kruggel-Emden, Harald; Wirtz, Siegmar; Scherer, Viktor; Pfaff, Florian; Noack, Benjamin; Hanebeck, Uwe D.; Maier, Georg; Gruna, Robin; Längle, Thomas; Beyerer, Jürgen
In: In: Proceedings of the 7th International Conference on Discrete Element Methods (DEM7), 2016
Fast Multitarget Tracking via Strategy Switching for Sensor-Based Sorting
Maier, Georg; Pfaff, Florian; Pieper, Christoph; Gruna, Robin; Noack, Benjamin; Kruggel-Emden, Harald; Längle, Thomas; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Beyerer, Jürgen
In: In: Proceedings of the 2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2016), 2016
State Estimation Considering Negative Information with Switching Kalman and Ellipsoidal Filtering
Noack, Benjamin; Pfaff, Florian; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 19th International Conference on Information Fusion (Fusion 2016), 2016
Algebraic Analysis of Data Fusion with Ellipsoidal Intersection
Noack, Benjamin; Sijs, Joris; Hanebeck, Uwe D.
In: In: Proceedings of the 2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2016), 2016
Simulation-based Evaluation of Predictive Tracking for Sorting Bulk Materials
Pfaff, Florian; Pieper, Christoph; Maier, Georg; Noack, Benjamin; Kruggel-Emden, Harald; Gruna, Robin; Hanebeck, Uwe D.; Wirtz, Siegmar; Scherer, Viktor; Längle, Thomas; Beyerer, Jürgen
In: In: Proceedings of the 2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2016), 2016
Optimal Sample-Based Fusion for Distributed State Estimation
Steinbring, Jannik; Noack, Benjamin; Reinhardt, Marc; Hanebeck, Uwe D.
In: In: Proceedings of the 19th International Conference on Information Fusion (Fusion 2016), 2016
Camera- and IMU-based Pose Tracking for Augmented Reality
Faion, Florian; Zea, Antonio; Noack, Benjamin; Steinbring, Jannik; Hanebeck, Uwe D.
In: In: Proceedings of the 2016 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2016), 2016
2015
Buchbeitrag
Treatment of Dependent Information in Multisensor Kalman Filtering and Data Fusion
Noack, Benjamin; Sijs, Joris; Reinhardt, Marc; Hanebeck, Uwe D.
In: In: Multisensor Data Fusion: From Algorithms and Architectural Design to Applications, CRC Press, S. 169-192, 2015
Time-Periodic State Estimation with Event-Based Measurement Updates
Sijs, Joris; Noack, Benjamin; Lazar, Mircea; Hanebeck, Uwe D.
In: In: Event-Based Control and Signal Processing, CRC Press, S. 261-279, 2015
Begutachteter Zeitschriftenartikel
Minimum Covariance Bounds for the Fusion under Unknown Correlations
Reinhardt, Marc; Noack, Benjamin; Arambel, Pablo O.; Hanebeck, Uwe D.
In: In: IEEE Signal Processing Letters, Bd. 22, 9, S. 1210 - 1214, 2015
Artikel in Kongressband
TrackSort: Predictive Tracking for Sorting Uncooperative Bulk Materials
Pfaff, Florian; Baum, Marcus; Noack, Benjamin; Hanebeck, Uwe D.; Gruna, Robin; Längle, Thomas; Beyerer, Jürgen
In: In: Proceedings of the 2015 IEEE International Conference on Multisensor Fusion and Information Integration (MFI 2015), 2015
Kalman Filter-based SLAM with Unknown Data Association using Symmetric Measurement Equations
Baum, Marcus; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2015 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2015), 2015
Treatment of Biased and Dependent Sensor Data in Graph-based SLAM
Noack, Benjamin; Julier, Simon J.; Hanebeck, Uwe D.
In: In: Proceedings of the 18th International Conference on Information Fusion (Fusion 2015), 2015
State Estimation for Ellipsoidally Constrained Dynamic Systems with Set-membership Pseudo Measurements
Noack, Benjamin; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 2015 IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2015), 2015
2014
Artikel in Kongressband
On Nonlinear Track-to-track Fusion with Gaussian Mixtures
Noack, Benjamin; Reinhardt, Marc; Hanebeck, Uwe D.
In: In: Proceedings of the 17th International Conference on Information Fusion (Fusion 2014), 2014
Covariance Intersection in State Estimation of Dynamical Systems
Ajgl, Jií; imandl, Miroslav; Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 17th International Conference on Information Fusion (Fusion 2014), 2014
Reconstruction of Joint Covariance Matrices in Networked Linear Systems
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 48th Annual Conference on Information Sciences and Systems (CISS 2014), 2014
Distributed Kalman Filtering in the Presence of Packet Delays and Losses
Reinhardt, Marc; Noack, Benjamin; Kulkarni, Sanjeev; Hanebeck, Uwe D.
In: In: Proceedings of the 17th International Conference on Information Fusion (Fusion 2014), 2014
A Study on Event Triggering Criteria for Estimation
Sijs, Joris; Kester, Leon; Noack, Benjamin
In: In: Proceedings of the 17th International Conference on Information Fusion (Fusion 2014), 2014
Fusion Strategies for Unequal State Vectors in Distributed Kalman Filtering
Noack, Benjamin; Sijs, Joris; Hanebeck, Uwe D.
In: In: Proceedings of the 19th IFAC World Congress (IFAC 2014), 2014
2013
Dissertation
State Estimation for Distributed Systems with Stochastic and Set-membership Uncertainties
Noack, Benjamin
In: 2013
Artikel in Kongressband
Data Validation in the Presence of Stochastic and Set-membership Uncertainties
Pfaff, Florian; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 16th International Conference on Information Fusion (Fusion 2013), 2013
An Empirical Method to Fuse Partially Overlapping State Vectors for Distributed State Estimation
Sijs, Joris; Hanebeck, Uwe D.; Noack, Benjamin
In: In: Proceedings of the 2013 European Control Conference (ECC 2013), 2013
Advances in Hypothesizing Distributed Kalman Filtering
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 16th International Conference on Information Fusion (Fusion 2013), 2013
Nonlinear Federated Filtering
Noack, Benjamin; Julier, Simon J.; Reinhardt, Marc; Hanebeck, Uwe D.
In: In: Proceedings of the 16th International Conference on Information Fusion (Fusion 2013), 2013
Event-based State Estimation with Negative Information
Sijs, Joris; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 16th International Conference on Information Fusion (Fusion 2013), 2013
2012
Artikel in Kongressband
Closed-form Optimization of Covariance Intersection for Low-dimensional Matrices
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 15th International Conference on Information Fusion (Fusion 2012), 2012
Decentralized Control Based on Globally Optimal Estimation
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 51st IEEE Conference on Decision and Control (CDC 2012), 2012
On Optimal Distributed Kalman Filtering in Non-ideal Situations
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 15th International Conference on Information Fusion (Fusion 2012), 2012
The Hypothesizing Distributed Kalman Filter
Reinhardt, Marc; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems (MFI 2012), 2012
Pushing Kalman's Idea to the Extremes
Benavoli, Alessio; Noack, Benjamin
In: In: Proceedings of the 15th International Conference on Information Fusion (Fusion 2012), 2012
Combined Stochastic and Set-membership Information Filtering in Multisensor Systems
Noack, Benjamin; Pfaff, Florian; Hanebeck, Uwe D.
In: In: Proceedings of the 15th International Conference on Information Fusion (Fusion 2012), 2012
Optimal Kalman Gains for Combined Stochastic and Set-Membership State Estimation
Noack, Benjamin; Pfaff, Florian; Hanebeck, Uwe D.
In: In: Proceedings of the 51st IEEE Conference on Decision and Control (CDC 2012), 2012
2011
Artikel in Kongressband
Random Hypersurface Mixture Models for Tracking Multiple Extended Objects
Baum, Marcus; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 50th IEEE Conference on Decision and Control (CDC 2011), 2011
Nonlinear Information Filtering for Distributed Multisensor Data Fusion
Noack, Benjamin; Lyons, Daniel; Nagel, Matthias; Hanebeck, Uwe D.
In: In: Proceedings of the 2011 American Control Conference (ACC 2011), 2011
Optimal Gaussian Filtering for Polynomial Systems Applied to Association-free Multi-Target Tracking
Baum, Marcus; Noack, Benjamin; Beutler, Frederik; Itte, Dominik; Hanebeck, Uwe D.
In: In: Proceedings of the 14th International Conference on Information Fusion (Fusion 2011), 2011
An Experimental Evaluation of Position Estimation Methods for Person Localization in Wireless Sensor Networks
Schmid, Johannes; Beutler, Frederik; Noack, Benjamin; Hanebeck, Uwe D.; Müller-Glaser, Klaus D.
In: In: Proceedings of the 8th European Conference on Wireless Sensor Networks (EWSN 2011), Springer, Bd. 6567, S. 147-162, 2011
Analysis of Set-theoretic and Stochastic Models for Fusion under Unknown Correlations
Reinhardt, Marc; Noack, Benjamin; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 14th International Conference on Information Fusion (Fusion 2011), 2011
Automatic Exploitation of Independencies for Covariance Bounding in Fully Decentralized Estimation
Noack, Benjamin; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 18th IFAC World Congress (IFAC 2011), 2011
Covariance Intersection in Nonlinear Estimation Based on Pseudo Gaussian Densities
Noack, Benjamin; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 14th International Conference on Information Fusion (Fusion 2011), 2011
2010
Buchbeitrag
Maße für Wahrscheinlichkeitsdichten in der informationstheoretischen Sensoreinsatzplanung
Lyons, Daniel; Hekler, Achim; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Verteilte Messsysteme, KIT Scientific Publishing, S. 121-132, 2010
Systematische Beschreibung von Unsicherheiten in der Informationsfusion mit Mengen von Wahrscheinlichkeitsdichten
Noack, Benjamin; Klumpp, Vesa; Lyons, Daniel; Hanebeck, Uwe D.
In: In: Verteilte Messsysteme, KIT Scientific Publishing, S. 167-178, 2010
Begutachteter Zeitschriftenartikel
Modellierung von Unsicherheiten und Zustandsschätzung mit Mengen von Wahrscheinlichkeitsdichten
Noack, Benjamin; Klumpp, Vesa; Lyons, Daniel; Hanebeck, Uwe D.
In: In: tm - Technisches Messen, Oldenbourg Verlag, Bd. 77, 10, S. 544-550, 2010
Artikel in Kongressband
Reliable Estimation of Heart Surface Motion under Stochastic and Unknown but Bounded Systematic Uncertainties
Bogatyrenko, Evgeniya; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2010), 2010
A Log-Ratio Information Measure for Stochastic Sensor Management
Lyons, Daniel; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing (SUTC 2010), 2010
Bounding Linearization Errors with Sets of Densities in Approximate Kalman Filtering
Noack, Benjamin; Klumpp, Vesa; Petkov, Nikolay; Hanebeck, Uwe D.
In: In: Proceedings of the 13th International Conference on Information Fusion (Fusion 2010), 2010
Nonlinear Model Predictive Control Considering Stochastic and Systematic Uncertainties with Sets of Densities
Hekler, Achim; Lyons, Daniel; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the IEEE Multi-Conference on Systems and Control (MSC 2010), 2010
Combined Set-Theoretic and Stochastic Estimation: A Comparison of the SSI and the CS Filter
Klumpp, Vesa; Noack, Benjamin; Baum, Marcus; Hanebeck, Uwe D.
In: In: Proceedings of the 13th International Conference on Information Fusion (Fusion 2010), 2010
Extended Object and Group Tracking with Elliptic Random Hypersurface Models
Baum, Marcus; Noack, Benjamin; Hanebeck, Uwe D.
In: In: Proceedings of the 13th International Conference on Information Fusion (Fusion 2010), 2010
2009
Artikel in Kongressband
State Estimation with Sets of Densities considering Stochastic and Systematic Errors
Noack, Benjamin; Klumpp, Vesa; Hanebeck, Uwe D.
In: In: Proceedings of the 12th International Conference on Information Fusion (Fusion 2009), 2009
2008
Artikel in Kongressband
Nonlinear Bayesian Estimation with Convex Sets of Probability Densities
Noack, Benjamin; Klumpp, Vesa; Brunn, Dietrich; Hanebeck, Uwe D.
In: In: Proceedings of the 11th International Conference on Information Fusion (Fusion 2008), S. 1-8, 2008
Multisensor data fusion is the process of combining data streams from multiple – possibly heterogeneous and complementary – sensors. As a result, systems like autonomous mobile robots benefit from increased data quality and reliability, can estimate unmeasured states, and can cover larger areas with their sensors. Our research includes
- Kalman filtering and nonlinear estimation
- Modeling and uncertainty quantification
- Algorithms for localization, tracking, and situational awareness
- Decentralized data fusion in mobile systems and ad-hoc sensor networks
Resource-Efficient Sensor Data Processing
Mobile sensor systems typically have resource constraints in processing capabilities, battery power, and storage space. Also, communication bandwidth is a limiting factor when multiple systems need to exchange sensor data. Multisensor data fusion can address these limitations by different measures. Our research includes
- Reduced-complexity fusion algorithms
- Adaptive sampling rates and asynchronous processing
- Event-based sensor fusion and estimation
- Quantization of sensor data and estimates
Localization with Mutual Dependencies
Precise localization and tracking of vehicles such as drones or cars is essential for their safe autonomous operation, particularly when they operate in constrained shared spaces and must therefore interact with one another. Decentralized methods for combining information distributed across several vehicles and exploiting mutual dependencies are beneficial in such scenarios. Our research includes
- Optimization-based state estimation
- Utilization of mutual dependencies
- Decentralized optimization algorithms
- Spatially distributed measurements
Privacy-Preserving Data Fusion
With the advancements in distributed algorithms and cloud computing, the reliance on public communication channels and untrusted participants has stressed the requirement for data privacy. Privacy-preserving data fusion presents methods for increasing participants' data quality in distributed environments while keeping their sensitive data private. This includes private state estimates, exact measurements and fixed locations. Our research includes
- Privacy-preserving distributed localization
- Homomorphic and functional encrypted cloud data fusion
- Cryptographic privileges in estimation
- Quantifiable data fusion leakage