Parametrische Segmentbeschreibung und Tracking zur Spurerkennung in Straßenszenen
-
- Einzelkauf Download ausgewählt
-
Sprache:Deutsch
Fr. 29.90
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
ePUB
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Ja
Erscheinungsdatum
04.07.2003
Verlag
GRINSeitenzahl
79 (Printausgabe)
Dateigröße
7854 KB
Auflage
1. Auflage
Sprache
Deutsch
EAN
9783638232227
Diplomarbeit aus dem Jahr 2003 im Fachbereich Elektrotechnik, Note: sehr gut (1,4), Technische Universität Chemnitz (Fakultät für Elektrotechnik und Informationstechnik), Sprache: Deutsch, Abstract: Es existieren bereits zahlreiche Lösungen und Lösungsvorschläge zur Strassenranderkennung in Grauwertbildern, so ist z.B. in [RIC95] ein adaptierendes Modell zur Analyse von Strassenszenen beschrieben. In [LAI93] wird ein autonomes Fahrzeug beschrieben, welches automatisch einer Maschine zum Aufmalen der Markierungen auf die Strasse folgt. Allerdings lässt sich dieser Ansatz mit den günstigen Randbedingungen dieses Verfahrens (geringe Geschwindigkeit und guter Kontrast der frisch aufgezeichneten Markierungen) schlecht auf komplexere Problemstellungen erweitern.
In dieser Arbeit soll zur Strassenranderkennung zunächst ein Segmentierungsverfahren eingesetzt werden. Dabei wird insbesondere das in [MES89] beschriebene Verfahren des quasi-parallelen Regionenwachstums, als ein vollständiges Segmentierungs-verfahren, mit einem in [ZAM95] beschriebenen Verfahren, welches nur ausgewählte Objekte segmentiert, verglichen. Zur Verbesserung des zweiten Verfahrens werden dabei 2 Lösungsvorschläge angegeben und untersucht.
Der zweite entscheidende Teil der Arbeit besteht in der Erkennung, der durch die Segmentierung gefundenen Segmente. Als Besonderheit dieser Arbeit wird dabei eine Kombination von Momenten und Fourierdeskriptoren, als Invarianten der segmentierten Objekte, zur Erkennung eingesetzt. Dadurch wird man in die Lage versetzt eine Aussage zu treffen, ob es sich bei den gefundenen Objekten tatsächlich um Fahrbahnmarkierungen (Strassenränder) handelt.
Eine abschliessende Gruppierung der ausgewählten Segmente bezüglich ihrer Lage zu einander ermöglicht es dann, die einzelnen Segmente jeweils einer bestimmten Fahrspurmarkierung zu zuordnen. Dafür wurde das in [RIC95] beschriebene Verfahren angewendet und um die Gruppierung in Weltkoordinaten erweitert. Durch eine Transformation der im Bild gefundenen Segmente in das Weltkoordinatensystem kann, man noch zusätzlich in der Welt unrealistische Segmente herausfiltern, welche im Bild sonst schwer zu erkennen sind.
In dieser Arbeit soll zur Strassenranderkennung zunächst ein Segmentierungsverfahren eingesetzt werden. Dabei wird insbesondere das in [MES89] beschriebene Verfahren des quasi-parallelen Regionenwachstums, als ein vollständiges Segmentierungs-verfahren, mit einem in [ZAM95] beschriebenen Verfahren, welches nur ausgewählte Objekte segmentiert, verglichen. Zur Verbesserung des zweiten Verfahrens werden dabei 2 Lösungsvorschläge angegeben und untersucht.
Der zweite entscheidende Teil der Arbeit besteht in der Erkennung, der durch die Segmentierung gefundenen Segmente. Als Besonderheit dieser Arbeit wird dabei eine Kombination von Momenten und Fourierdeskriptoren, als Invarianten der segmentierten Objekte, zur Erkennung eingesetzt. Dadurch wird man in die Lage versetzt eine Aussage zu treffen, ob es sich bei den gefundenen Objekten tatsächlich um Fahrbahnmarkierungen (Strassenränder) handelt.
Eine abschliessende Gruppierung der ausgewählten Segmente bezüglich ihrer Lage zu einander ermöglicht es dann, die einzelnen Segmente jeweils einer bestimmten Fahrspurmarkierung zu zuordnen. Dafür wurde das in [RIC95] beschriebene Verfahren angewendet und um die Gruppierung in Weltkoordinaten erweitert. Durch eine Transformation der im Bild gefundenen Segmente in das Weltkoordinatensystem kann, man noch zusätzlich in der Welt unrealistische Segmente herausfiltern, welche im Bild sonst schwer zu erkennen sind.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.