Forschungsschwerpunkte
- Detaillierte Analyse und Vergleich von Lidar- und 4D hochauflösenden Radardaten
- Anpassung und Erweiterung existierender 3D (Lidar-)Objektdetektoren samt post-processing Methoden an 4D hochauflösende Radardaten, insbesondere unter Berücksichtigung radarspezifischer Messwerte
([relative] Radialgeschwindigkeit und Akkumulationsdauer)” - Kombination von radarbasierter 3D Objekterkennung mit weiteren Perzeptionsaufgaben, z.B. multi-object tracking (MOT) und multi-path reflection detection
- Multi-modale, kontextbasierte und interaktionsbewusste Situationsprädiktion (gekoppelte Trajektorienprädiktion aller Verkehrsteilnehmer)
- Untersuchungen zur Wechselwirkung und Koppelung zwischen Planungs- und Prädiktionsverfahren (modell- und datenbasiert)
Konferenzbeiträge und Vorträge
2024
- Palmer, P., M. Krüger, R. Altendorfer und T. Bertram: “Multi-Object Tracking based on Imaging Radar 3D Object Detection”, ATZ Konferenz Automatisiertes Fahren, Frankfurt, Deutschland März 2024
- Palmer, P., M. Krüger, S. Schütte, R. Altendorfer, G. Adam und T. Bertram: „LEROjD: Lidar Extended Radar-Only Object Detection“, ECVA European Conference on Computer Vision (ECCV), Mailand, Italien Oktober 2024
2023
- Palmer, P., M. Krueger, R. Altendorfer und T.. Bertram: „Ego-Motion Estimation and Dynamic Motion Separation from 3D Point Clouds for Accumulating Data and Improving 3D Object Detection“, Automotive meets Electronics (AmE), Dortmund, Deutschland, Juni 2023
- Palmer, P., M. Krueger, R. Altendorfer. G. Adam und T. Bertram: „Reviewing 3D Object Detectors in the Context of High-Resolution 3+1D Radar“, CVF/ IEEE Conference on Computer Vision and Pattern Recognition (CVPR) - Workshop on 3D Vision and Robotics, Vancouver, Kanada, Juni 2023
- Diehl, C., J. Adamek, M. Krueger, F. Hoffmann und T. Bertram: “Differentiable Constrained Imitation Learning for Robot Motion Planning and Control”, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) - Workshop on Traffic Agent Modeling for Autonomous Driving Simulation, Detroit, USA, Oktober 2023
- Diehl, C., T. Klosek, M. Krueger, N. Murzyn, T. Osterburg, T. Bertram: „Energy-based Potential Games for Joint Motion Forecasting and Control“, Conference on Robot Learning (CoRL), Atlanta, USA, November 2023
2021
- Diehl C., T. Sievernich, M. Krüger, F. Hoffmann, T. Bertam: UMBRELLA: Uncertainty-Aware Model-Based Offline Reinforcement Learning Leveraging Planning, Advances in Neural Information Processing Systems - Machine Learning for Autonomous Driving Workshop (NeuRIPS 2021 ML4AD)
2021
2020
- Krüger, M., A. Stockem Novo, T. Nattermann, T. Bertram: Interaction-Aware Trajectory Prediction based on a 3D Spatio-Temporal Tensor Representation using Convolutional–Recurrent Neural Networks, 31st IEEE Intelligent Vehicles Symposium (IV),
20.10.2020
2019
- Krüger, M., A. Stockem Novo, T. Nattermann und T. Bertram: Probabilistic Lane Change Prediction using Gaussian Process Neural Networks, IEEE International Conference on Intelligent Transportation Systems (ITSC), Auckland, New Zealand
Oktober 2019 - Krüger, M., A. Stockem Novo, T. Nattermann, M. Mohamed und T. Bertram: Reducing Noise in Label Annotation: A Lane Change Prediction Case Study, IFAC Symposium on Intelligent Autonomous Vehicles (IAV), Gdansk, Poland
Juli 2019 - Stannartz, N., C. Wissing, M. Krüger, A. Tolmidis, S. Ali, T. Nattermann und T. Bertram: Ego-Motion Correction based on Static Objects detected by an Automotive Lidar Sensor System, Automotive meets Electronics (AmE), Dortmund
März 2019 - Krüger, M., A. Stockem Novo, T. Nattermann, M. Mohamed und T. Bertram: Environmental Model Extension for Lane Change Prediction with Neural Networks, Internationales Stuttgarter Symposium (ISS), Stuttgart, Deutschland
März 2019
2018
- Schmidt, M., C. Lienke, M. Oeljeklaus, M. Krüger, T. Nattermann, M. Mohamed, F. Hoffmann und T. Bertram: Fahrspurerkennung mit Deep Learning für automatisierte Fahrfunktionen, 28. Workshop Computational Intelligence, Dortmund, Deutschland
November 2018 - Krüger, M., A. Stockem Novo, T. Nattermann, K.-H. Glander und T. Bertram: Lane Change Prediction Using Neural Networks Considering Classwise Non-uniformly Distributed Data, Automotive meets Electronics (AmE), Dortmund, Deutschland
März 2018
2017
- Krüger, M., S. Meuresch, A. Stockem Novo, T. Nattermann, K.-H. Glander, C. Haß und T. Bertram: Methode und Test zur Nutzung neuronaler Netze zur Fahrsituationsanalyse beim automatisierten Fahren, VDI/VDE Mechatroniktagung 2017, Dresden, Deutschland
März 2017
2016
- Krüger, M., S. Meuresch, A. Stockem Novo, T. Nattermann, K.-H. Glander und T. Bertram: Strukturanalyse eines neuronalen Netzes zur Spurwechselprädiktion für das automatisierte Fahren, 26. Workshop Computational Intelligence, Dortmund, Deutschland
September 2016
Zeitschriften- und Buchbeiträge
2023
- Diehl, C., T. Sievernich, M. Krüger, F. Hoffmann, T. Bertram: ”Uncertainty‑Aware Model‑Based Offline Reinforcement Learning for Automated Driving”, IEEE Robotics and Automation Letters (RA-L), 2023
2022
- Krüger, M., P. Palmer, C. Diehl, T. Osterburg, T. Bertram: ”Recognition Beyond Perception: Environmental Model Completion by Reasoning for Occluded Vehicles”, IEEE Robotics and Automation Letters (RA-L), 2022.
- Stockem Novo, A., M. Krüger , M.Stolpe und T. Bertram: A Review on Scene Prediction for Automated Driving, Physics 2022, 4, 132–159. https://doi.org/10.3390/physics4010011
1. Februar 2022
2019
- Schmidt, M., M. Krüger, C. Linke, M. Oeljeklaus, T. Nattermann, M. Mohamed, F. Hoffmann und T. Bertram: Fahrstreifenerkennung mit Deep Learning für automatisierte Fahrfunktionen, at - Automatisierungstechnik, Vol. 67, No. 10, pp. 866-878
September 2019
Studien-/Diplomarbeiten / Bachelor-/Mastertheses
- Andrii Kovach
Untersuchung von Leistungsvarianzen bei der Objekterkennung mittels zufälliger Initialisierung
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Damian Lupascu
Korrektur der Objektbewegung durch Schätzung des Punktwolkenflusses für die Radarpunktwolken-Akkumulation
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Shubhankar Kulkarni
Enhancing Explosive Motion in Humanoid Robotics with Imitation and Reinforcement Learning
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Mikhail Krigman
Machbarkeitsstudie eines „Low-Cost" Roboterarms für Wurfspiele
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Naveen Prasath R. Balakrishnan
Kernel Density Estimation-Based 3D Radar Object Detection
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Markus Düthmann
Understanding Attention and Query Mechanisms in Transformer-based Object Detection
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Mohamed Hedi Ben Rejeb
Methode zur Generierung von Radar-Rückstreuzentren aus Bilddaten und Punktwolken für Radar-Sensormodelle
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Jan Lukas Grüter
Pruning the Feature Space in Cross-Modal Pre-Training of Radar Object Detectors'
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2025 - Anushka Gulati
Improving Monocular 3D Object Detection through End-to-End Pseudo-Lidar with Enhanced Representation Learning on Auxiliary Tasks
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2024 - Meghna Umesh Prabhu
Generative Model based Simulation of 3+1D High-Resolution Radar Sensors
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2023 - Duran Turan
Verbesserung der Objektdetektion in hochaufgelösten Radarpunktwolken mittels Lidar -- Untersuchung von Methoden zum Wissenstransfer
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2023 - Tobias Klosek
Differentiable Data-Driven Game-Theoretic Prediction and Planning
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2023 - P. Kumar Jayaraj
3D Multi-Modal Object Detection by an End-to-End Trainable Raw Sparse Lidar and Pseudo-Lidar Point Cloud Fusion Architecture
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2023 - J-M. Bergmann
Interaction-Aware Reconstruction of Occluded Traffic Participants - A Comparison of Generative Graph Neural Networks
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2022 - M. Raetsch
Approximation eines interaktionsbewussten Trajektorienprädiktionsverfahrens mittels Fahrermodellen und iterativer Einzelprädiktionen
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2022 - T. Harnisch
Erzeugung von Pseudo-Lidar-Punktwolken aus Stereobildern – Ein systematischer Vergleich verschie-dener Qualitätsstufen von 3D Punktwolken unterschiedlicher Sensormodalitäten
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2022 - J. Adamek
Imitation Learning mit harten Nebenbedingungen
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2022 - P. Palmer
Umgebungsmodellergänzung für das automatisierte Fahren mit Hilfe tiefer generativer neuronaler Netze
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2021 - T. Sievernich
Offline Reinforcement Learning for Automated Driving
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2021 - S. Schütte
Erstellung von Lanelet-HD-Karten unter Nutzung von Fahrzeugreferenzsensorik und Satellitenbildern
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2021 - S. Neumann:
Interaktions-bewusste Trajektorienprädiktion mittels Structured Prediction Modellen
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
2020 - P. Palmer:
Untersuchung des Einflusses der Datenvorverarbeitung auf die Spurwechselerkennung für verschiedene Architekturen neuronaler Netze,
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
Juli 2018.
Betreuung: M. Krüger, T. Bertram - N. Stannartz:
LIDAR-based Ego-Localization in high-precision Maps,
Masterthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
April 2018.
Betreuung: C. Wissing,M. Krüger,T. Bertram - C. Schüler:
Bildbasierte Erkennung der Straßentopologie zur Erweiterung automatisierter Fahrfunktionen,
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
Februar 2018.
Betreuung: M. Schmidt,M. Krüger,T. Bertram - F. Friedrich:
Entwicklung einer Trajektorienprädiktion auf Basis einer Spurwechselwahrscheinlichkeit für Fremdfahrzeuge in Autobahnszenarien,
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
Juli 2017.
Betreuung: C. Wissing, M. Krüger, T. Bertram - J. Schmitz:
Entwicklung einer interaktiven Trajektorienprädiktion auf Basis eines Potentialfeldansatzes für Fremdfahrzeuge in Autobahnszenarien,
Bachelorthesis am Lehrstuhl für Regelungssystemtechnik der Technischen Universität Dortmund,
Juli 2017.
Betreuung: C. Wissing,M. Krüger,T. Bertram