Home | english  | Impressum | KIT
Photo von Heinz Wörn

Prof. Dr.-Ing. Dr. h.c. Heinz Wörn

Professor im Ruhestand
Tel.: +49 721 608-44006
Fax: +49 721 608-47141
woernCln7∂kit edu


Zur Person

Professor Wörn studierte Elektrotechnik an der Universität Stuttgart und promovierte dort am Institut für Werkzeugmaschinen mit seiner Arbeit zu dem Thema "Mehrprozessorsteuerungssystem für Werkzeugmaschinen mit standartisierten Schnittstellen". Im Anschluss arbeitete er bei KUKA Schweißanlagen und Roboter GmbH, wo er eine leitende Stellung in Forschung und Entwicklung inne hatte. Professor Wörn ist ein international anerkannter Experte für Roboter und Automation. Seine Erfahrung umfasst Roboteranwendungen, Robotersteuerungen und Sensoren für Roboter, sowie deren Programmmierung und Simulation. Seit 1997 leitet er das Institut für Prozessrechentechnik, Automation und Robotik der Universität Karlsruhe als Professor für "Komplexe Systeme in Automation und Robotik".

Forschungsgebiete

  • Planung, Programmierung, Steuerung, Diagnose und Sensorsysteme für Industrieroboter
  • Autonome, mobile Roboter, Mikroroboter, Serviceroboter, Teleroboter, Autonome Fahrzeuge
  • Planung und Simulation von Anlagen und Fabriken
  • Roboter- und sensorgestützte Chirurgie
  • Mikromontage
  • Modellierung komplexer Systeme in Produktion und Medizin

A Two-Stage Bayesian Network Approach for Robust Hand Trajectory Classification

AutorFrank Dittrich and Stephan Puls and Heinz Wörn
Jahr2013
Veröffentlicht inRSS: Science and Systems, WS Human Robot Collaboration
KurzfassungIn this paper, a hand gesture based approach is presented for the unidirectional information transfer from the human worker to the machine worker, designed for industrial applications. In order to allow high variance in respect of the location and orientation of the user relative to the RGB-D sensor, no detailed information about the finger setup is processed for the classification. For the recognition of various gestures, 3D hand trajectories are extracted and injected into a two-stage probabilistic inference mechanism. In our approach, we use Hidden Markov Models to optimize the classification rate for intended gestures, and a Bayesian Network for the robust elimination of unintended gestures. We show how empirical and heuristic information about the stochastic process are combined and used for the probabilistic modeling, in order to improve the overall robustness of the classification. The evaluation of our approached showed that the two-stage scheme allows for a directed rejection strategy on the basis of heuristic driven restrictions, without the loss of classification performance.
Bibtex@inproceedings{ ipr_1170857451, author = "{Frank Dittrich and Stephan Puls and Heinz W{{\"o}}rn}", title = "{A Two-Stage Bayesian Network Approach for Robust Hand Trajectory Classification}", year = "2013", booktitle = "{RSS: Science and Systems, WS Human Robot Collaboration}", }
zurück zur Publikationsübersicht