Die bisher erzielten Ergebnisse sind als Bestaetigung des gewaehlten Prinzips zum dynamischen Maschinensehen zu werten. Sowohl der auf Merkmalkorrelation basierende Ansatz zur Echtzeit-Bildfolgenverarbeitung als auch die integralen raum-/-zeitlichen Modelle zur Szenenanalyse haben im Vergleich zu anderen Verfahren ihre Effizienz bewiesen. Ferner hat es sich bewaehrt, nicht schon auf der untersten Datenverarbeitungsebene Verfahren der Kuenstlichen Intelligenz einzusetzen, sondern hier zunaechst mit bewaehrten prozeduralen Methoden zu arbeiten. Entscheidend fuer deren Erfolg sind die 4D-Weltmodelle, die in VaMoRs als z.Zt. einzigem autonomen Fahrzeug mit diesen Eigenschaften realisiert sind. Sie ermoeglichen Zykluszeiten von nur 0,1 Sekunden zum Erfassen der Situation und zur Berechnung der neuen Steuerreaktionen. Bei den bekannten US-amerikanischen autonomen Fahrzeugen ALV und NAVLAB betragen diese Zykluszeiten mehr als eine Sekunde. Die dort installierte, wesentlich hoehere Rechenkapazitaet kann wegen der gewaehlten schematischen Ganzbildverarbeitung nicht flexibel genug zur Wirkung kommen. Ausserdem ist die Fortschreibung des aus frueheren Bildern bereits extrahierten Wissens wegen fehlender zeitlicher Modellvorstellungen im Rechner wesentlich schwieriger. Der integrierte Ansatz der UniBwM zur Bildfolgenauswertung und Bewegungssteuerung zeigt einen neuen Weg, bewaehrte und effiziente Verfahren der Systemdynamik auch fuer das Rechnersehen nutzbar zu machen.
Kameragesteuerte Fahrzeuge auf dem Weg zum intelligenten Auto - Dokumentation
Camera controlled vehicles on the way to the intelligent automobile - documentation
1988
16 Seiten, 3 Bilder
Report
German