Für die Leistungsfähigkeit moderner Fahrerassistenzsysteme ist ein detailliertes Wissen über die Fahrzeugumgebung von fundamentaler Bedeutung. Hierfür kommen zunehmend Kamerasensoren zum Einsatz, da sie vielfältige Informationen für eine dichte Umfeldwahrnehmung liefern. Witterungsbedingte Effekte, insbesondere Regentropfen auf der Windschutzscheibe, führen jedoch zu einer starken Beeinträchtigung gegenwärtiger videobasierter Fahrerassistenzfunktionen. Besonders wünschenswert für die robustere Gestaltung von Fahrerassistenzfunktionen wäre sowohl eine Bewertung der Bildqualität als auch ein weitergehendes Bildverständnis im Sinne der Identifikation und Herauslösung von gestörten Bildbereichen. In der vorliegenden Arbeit wird ein Verfahren zur Erkennung von Regentropfen auf der Windschutzscheibe vorgestellt, das auf einer umfassenden, physikalischen und signaltheoretischen Regentropfen-Modellierung sowie der Betrachtung des Bildentstehungsprozesses in realen optischen Systemen basiert. Eine weitere Besonderheit dieses Ansatzes ist die durchgehend Bayes'sche Beschreibung der Verarbeitungskette, von der Detektion und Klassifikation in Einzelbildern bis zur Validierung von Regentropfenkandidaten im Rahmen einer Multi-Objekt-Multi-Hypothesen-Verfolgung in Bildsequenzen. Das entwickelte Verfahren besitzt eine hohe Modularität und ist mit wenig Aufwand um zusätzliche Störungen erweiterbar. Die Leistungsfähigkeit des Erkennungssystems wird an realen Bildfolgen mit unterschiedlicher Niederschlagsintensität bewertet. Zudem werden Anwendungsfelder einer Regentropfenerkennung aufgezeigt und das Verbesserungspotenzial von ausgewählten Fahrerassistenzfunktionen demonstriert.

    A comprehensive perception of the vehicles environment plays a fundamental role for the development of advanced driver assistance systems. In this context, vision sensors provide a rich and versatile source of information. However, they are heavily affected by adverse weather effects, especially by adherent raindrops on the windshield, who exhibit a serious limitation for visual environment perception and a major challange for current vision-based driver assistance systems. To improve robustness and assert proper operation of driver assistance systems in adverse weather, an image qualitiy assessment method as well as an advanced image understanding would be desirable. This thesis outlines a method for the recognition of raindrops on the windshield. Characteristic features of raindrops are selected, based on a comprehensive physical raindrop model and an image formation process analysis in real optical systems. One focus lays on a persistent Bayesian description of the recognition task, ranging from the detection and classification in single images to the validation of raindrop candidates utilizing a multi-object-multi-hypothesis-tracking framework. Due to the methods high modularity, additional disturbances can be easily integrated in the proposed approach. The performance of the recognition system is evaluated by means of multiple scenarios with different precipitation intensities. Furthermore, this thesis shows use cases for raindrop recognition systems and demonstrates the potential of improvement for selected vision-based driver assistance systems.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Modellbasierte und positionsgenaue Erkennung von Regentropfen in Bildfolgen zur Verbesserung von videobasierten Fahrerassistenzfunktionen


    Beteiligte:
    Roser, Martin (Autor:in)


    Erscheinungsdatum :

    2012


    Format / Umfang :

    152 Seiten, Bilder, Tabellen, Quellen




    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch