Dieser Beitrag befasst sich mit der effizienten Auswertung von Bildfolgen künstlich sehender Fahrzeuge. Eingebunden in den Regelkreis autonomer, teilautonomer oder assistierender Fahrzeuge ist die Echtzeitfähigkeit der Auswertung ein wesentliches Kriterium für die Leistungsbewertung des Sichtsystems. Moderne parallele Rechenarchitekturen wie GPUs erlauben eine Verarbeitung von tausend und mehr gleichzeitigen Verarbeitungsfäden. Dazu müssen die Algorithmen aber in einfache, wiederkehrende Teilaufgaben mit lokalem Datenhorizont aufgespaltet werden. Wir erreichen dies durch eine lokale Interpretation von Bild-zu-Bild-Verschiebungen (Optischer Fluss) und zeigen Anwendungen für visuelle Odometrie, Bewegungsstereo und Objektsegmentierung.
In this article we describe how to interpret the optical flow of automotive image streams in an efficient manner. The real-time capabilities of the interpretation is crucial when it is integrated within a control loop of an autonomous, semi-autonomous or driver-assisting car. Modern parallelized architectures like GPUs nowadays provide thousand or more simultaneous threads. Therefore the algorithms must be split into elementary recurring subtasks with a limited local data horizon. We achieve this by interpreting the optical flow at a single correspondence level and demonstrate applications for visual odometry, motion stereo and motion segmentation.
Parallelisierte Approximation des optischen Flusses in Bildfolgen künstlich sehender Fahrzeuge
Parallelized optical flow approximation in automotive image streams
tm - Technisches Messen ; 78 , 9 ; 419-425
2011
7 Seiten, 5 Bilder, 14 Quellen
Article (Journal)
German
Effiziente, parallelisierte Berechnung von Bildkorrespondenzen fuer automotives Sehen
Automotive engineering | 2010
|Hindernisdetektion und Hindernislokalisation in Bildfolgen
Tema Archive | 1991
|Effiziente, parallelisierte Berechnung von Bildkorrespondenzen für automotives Sehen
Tema Archive | 2010
|