Die Bildverarbeitung ist ein leistungsfähiges Hilfsmittel zur Auswertung von optischen Sensorinformationen für Fahrerassistenzsysteme und zur Steuerung von autonomen Robotern. Bildverarbeitungsalgorithmen sind oft sehr komplex und rechenaufwändig. Für Fahrerassistenzsysteme ist eine Verarbeitung in Echtzeit notwendig. Signalverarbeitungsalgorithmen müssen oft stark verändert werden, damit sie in Hardware implementiert werden können. Insbesondere für eine kontinuierliche Echtzeitverarbeitung mit hoher Geschwindigkeit ist das eine komplizierte Aufgabe. Dieser Artikel beschreibt ein Hardware-Software Co-Design für ein stereophotogrammetrisches Messsystem. Es wird eine robuste Echtzeit 3D-Objekterfassung, -Vermessung sowie Weiterverfolgung in einem kontinuierlichen Datenstrom vorgestellt. Dabei wird ein Stereokamerasystem verwendet, dessen Messbereich sich von 10 bis 100 m erstreckt. Aus dem Stereobild wird eine Tiefenkarte erstellt, deren Daten dann einem Clusterungsalgorithmus zugeführt werden. Die Entfernung wird im Anschluss einem Kalman-Filter übergeben um die Objekte weiterverfolgen zu können und die Geschwindigkeit zu ermitteln. Aufgrund der Echtzeitforderungen und der perspektivischen Realisierung als Mikrosystem wurde dieser Algorithmus in eine 'Embedded Hardware' bestehend aus einem FPGA und einem Prozessor implementiert Es wird insbesondere auch auf die nötigen Anpassungen und Optimierungen im Algorithmus eingegangen, um die gestellten Echtzeitbedingungen für den Bereich Fahrerassistenzsysteme zu erfüllen. Zur Tiefenkartenberechnung in Echtzeit wird ein optimierter Algorithmus auf Basis von Bildpyramiden als parallele Hardwarelösung in ein FPGA implementiert. Durch Aufteilung des Gesamtmessbereiches auf mehrere Pyramidenebenen wird die Echtzeit- 3D-Vermessung für einen großen Messbereich ermöglicht. Anschließend kann die Objekterkennung und Weiterverfolgung mit Hilfe von Software in einem Prozessor in Echtzeit abgearbeitet werden. Es wird eine statistische Methode zum Clustering verwendet.
Image processing is a powerful tool for analysis of optical Sensor information for driver assistant systems and for autonomous robots. But image processing algorithms are often very complex and very expensive in computation power. Signal processing algorithms often have to be strongly modified in case of hardware implementation. Especially continuous real-time image processing at high speed is a challenging task. In this paper a hardware-software co-design is applied to a stereophotogrammetric system. For calculation of the depth map an optimized algorithm is implemented as a hierarchical parallel hardware solution. By dividing the measuring range into sub ranges and switching between them, real-time 3-d-measurement within a wide measuring range is possible. The object clustering and the tracking is realized in a processor. The density distribution of the disparity in the depth map (disparity histogram) is used for object detection. A Kalman filter stabilizes the parameters of the results.
Echtzeit Objekterfassung und Positionsvermessung
Realtime object detection and position measurement
2005
22 Seiten, 13 Bilder, 23 Quellen
Aufsatz (Konferenz)
Deutsch
Echtzeit Objekterfassung und Positionsvermessung
Kraftfahrwesen | 2005
|Berührungslose Objekterfassung für Eisenbahntüren
IuD Bahn | 2009
|