In dieser Arbeit wird ein modellbasierter Schätzer für innerstädtische Fahrspurverläufe in monokularen Bildfolgen entwickelt und im Versuchsfahrzeug realisiert. Es wird ein stochastisches Modell der lokalen Abbildungseigenschaften der Fahrspurberandung aufgestellt. Ähnliche Beobachtungen, definiert als einzelne Bildpunkte oder gerade Liniensegmente, werden dabei zu semantischen Einheiten gruppiert. Die Analyse der menschlichen Wahrnehmung deutet darauf hin, dass intelligente Lebewesen visuelle Information analog zusammenfassen, um ein Verständnis ihrer Umwelt aufzubauen. Die Luminanz der Bildpunkte, ihr Kontrast und die Richtung der Luminanzänderung werden als statistisch unabhängige Attribute der Beobachtung aufgefasst. Zur Reduktion der Rechenkomplexität wird zusätzlich gefordert, dass nur lokale Maxima der Luminanzänderung gültige Beobachtungen der Fahrspurberandung darstellen. Diese Einschränkung ermöglicht die Approximation des Bildinhalts durch Liniensegmente, ein typisches Verkehrsszenario wird dabei auf wenige hundert Linien abgebildet. Als neues Modell zur geometrischen Beschreibung innerstädtischer Fahrspurverläufe wird die Spline-Approximation eingeführt. Dieser Ansatz erlaubt die explizite Kontrolle der Glattheit der Schätzung, ohne die globale Form möglicher Fahrspurgeometrien einzuschränken. Zur Anbindung an nachgelagerte Assistenzfunktionen unterstützt er die optimale Segmentierung von beliebigen Berandungsgeometrien in eine minimale Anzahl kubischer Polynome. Die entwickelte Fahrspurschätzung ist als Basiskomponente für verschiedene Assistenzfunktionen von Interesse. Die Berechnung des geschätzten Fahrspurverlaufs erfolgt schritthaltend mit dem Bildeinzug im Versuchsfahrzeug. Experimentelle Ergebnisse belegen die Leistungsfähigkeit der Algorithmen in anspruchsvollen Situationen, unter anderem zur Detektion von Bordsteinkanten und Approximation enger Kurven. Als Indikator für die Zuverlässigkeit des Verfahrens wird ein Vergleich mit einer kommerziellen Fahrspurschätzung gezeigt. Besonders vielversprechend erscheint die Anwendung im niedrigen Geschwindigkeitsbereich, beispielsweise in Verbindung mit einem innerstädtischen Stop/Go-Assistenten.
This thesis addresses lane detection and tracking with a camera mounted on a vehicle moving in urban environments. A stochastic appearance model of local lane boundary features in monocular image sequences is created, and implemented, in an experimental vehicle. Similar image primitives, such as points and straight lines, are clustered to semantically related observations. Analyses of human perception indicate that living beings follow a similar scheme to build up an understanding from visual information. The primitives brightness, their local contrast and the direction of maximum brightness change are considered as statistically independent observations. These attributes influence the likelihood that a primitive belongs to the lane boundary. An additional constraint is introduced to enable real-time processing of the algorithms; the exact position of the lane boundary is defined by local contrast maximas, other points are not further processed. This simplification allows the approximation of a typical urban traffic scenario by a few hundred straight line segments. The Smoothing Spline is introduced as a novel method to describe the shape of urban lanes. As opposed to models previously discussed in literature, this approach enables explicit control of curve smoothness without limiting the range of global geometries. It supports tracking algorithms in the image plane and features an optimal segmentation of the spline curve into a minimum set of third order polynomials. Thus, the information about arbitrary lane geometries can be provided to subsequent driver assistance functions at an adequate level. The presented lane detection and tracking algorithms are intended as basic components for different driver assistance functions. The online estimator, implemented in the experimental vehicle, processes the image sequence in real-time. Experimental results demonstrate the system's performance in visually demanding scenarios, such as detecting curbs and approximating narrow curves. The reliability of the estimator is indicated by a benchmark against a commercial state-of-the-art lane detection software. The developed algorithms are particularly suited for urban assistance functions at low speed, e. g. to support an inner-city Stop/Go-Assistent.
Fahrspurschätzung aus monokularen Bildfolgen für innerstädtische Fahrerassistenzanwendungen
Estimation of urban lanes from monocular image sequences for urban driver assistance apllications
2009
158 Seiten, Bilder, Tabellen, Quellen
Theses
German
Fahrspurschätzung aus monokularen Bildfolgen für innerstädtische Fahrerassistenzanwendungen
TIBKAT | 2009
|Fahrspurschätzung aus monokularen Bildfolgen für innerstädtische Fahrerassistenzanwendungen
Catalogue medicine | 2009
|Fahrspurschätzung aus monokularen Bildfolgen für innerstädtische Fahrerassistenzanwendungen
GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2009
|