Mit steigendem Grad der Automatisierung von Fahrerassistenzsystemen wachsen die Anforderungen an eine maschinelle Umfelderfassung. Die vorliegende Arbeit konzentriert sich dabei speziell auf Videosensorik. Ausgehend von der Zuordnungsproblematik kantenbasierter Merkmale wird die Nutzung punktbasierter, unspezifischer Bildmerkmale innerhalb einer Bildfolgeauswertung nach dem 4D-Ansatz motiviert. Deren maßgeblicher Vorteil liegt in einem hohen Unterscheidungswert als grundlegende Voraussetzung für eine zuverlässige Korrespondenzfindung. Dem entgegen steht das in der Literatur vielfach angesprochene Driftproblem, aufgrund des Fehlens einer unmittelbaren Entsprechung in der Objektmodellierung gleichermaßen wie eines über der Zeit veränderlichen Erscheinungsbildes. Im Kontext der Erkennung von Fremdfahrzeugen werden hierzu zwei alternative, grundsätzlich verschiedene Lösungsansätze präsentiert, einmal basierend auf einer Merkmalsverfolgung i. V. m. dynamischem Merkmalswechsel, das andere Mal ausgehend von einem Merkmalsfluss. Voraussetzung für eine zuverlässige Zustandsschätzung schafft in beiden Fällen gerade die kombinierte Betrachtung mit kantenbasierten Merkmalen, aufgrund derer komplementärer Eigenschaften. Im Gegensatz zur Betrachtung eines Merkmalsflusses zwischen aufeinander folgenden Einzelbildern, liegt der Zweck einer Merkmalsverfolgung in der Bestimmung der Bildposition ein und desselben Merkmals über einen längeren Zeitraum und mehrere Einzelbilder hinweg. Hierzu wird ein recheneffizientes Verfahren vorgestellt, sowie dessen Eignung im Kontext einer Zustandsschätzung von Fremdfahrzeugen anhand experimenteller Ergebnisse belegt. Im Sinne eines durchgängigen Konzepts bietet sich darüber hinaus die Berechnung und Auswertung des Merkmalsflusses unbekannter Bildbereiche bereits zur initialen Detektion von Fremdfahrzeugen, aber auch von Hindernissen allgemeiner Art, an. Die theoretischen Grenzen der Detektierbarkeit werden dazu diskutiert. Ein Grundgedanke dieser Arbeit besteht entgegen früherer Arbeiten zum 4D-Ansatz in einer vorerst vollständigen Entkopplung einzelner Erkennungsmodule voneinander, speziell von Fahrzeug- und Fahrspurerkennung. Als Voraussetzung hierfür werden zwei Varianten einer unabhängigen Gierwinkelschätzung für Fremdfahrzeuge vorgeschlagen. Ziel eines darauf aufbauenden Integrationsansatzes ist es, weiterhin einen Informationsaustausch zwischen Erkennungsmodulen zu deren gegenseitiger Stützung zu gestatten, sowie dabei die Konsistenz des Umfeldmodells sicherzustellen, jedoch ohne die Nachteile einer starren Kopplung. Hierzu wird ein dezentrales Filterkonzept präsentiert. Angesichts der entscheidenden Bedeutung des Eigennickwinkels für die Umfelderfassung wird eine Nickwinkelfusion vorgeschlagen, welche Beiträge aller Erkennungsmodule gleichermaßen einbeziehen. Im Gegensatz zur einseitigen Kopplung der Fahrzeuge die Fahrspurerkennung in früheren Arbeiten, wird exemplarisch unter der Annahme eines näherungsweise spurkonformen Verkehrsflusses der beiderseitige Informationsaustausch demonstriert.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Räumlich-zeitliche Szeneninterpretation einer videobasierten Umfelderfassung zur Fahrerassistenz


    Beteiligte:

    Erschienen in:

    Erscheinungsdatum :

    2013


    Format / Umfang :

    268 Seiten, Bilder, Tabellen, 370 Quellen



    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch





    Videobasierte Umfelderfassung zur Fahrerassistenz

    Neumaier, Stephan / Harms, Philipp / Färber, Georg | Tema Archiv | 2006


    Tourismus : Einführung in das räumlich-zeitliche System

    Steinbach, Josef | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2003


    BEREITSTELLUNG EINER FAHRERASSISTENZ

    GLAS HUBERT | Europäisches Patentamt | 2018

    Freier Zugriff

    Räumlich-zeitliche Stauphänomene auf Basis von empirischen Verkehrsdaten

    Dülgar, Yildirim / Eberhard Karls Universität Tübingen | TIBKAT | 2020

    Freier Zugriff