Download - tuprints - Technische Universität Darmstadt
Download - tuprints - Technische Universität Darmstadt
Download - tuprints - Technische Universität Darmstadt
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5 Maschinelle Umfeldwahrnehmung<br />
klassifikation ist insbesondere in komplexen Szenarien und unter unterschiedlichen<br />
Blickwinkeln schwierig. Stereokamerasysteme ermöglichen aufgrund der zusätzlichen<br />
Tiefeninformation eine modellunabhängige Detektion von Objekten, wodurch auch die<br />
Klassifikation erleichtert wird. Somit können die 3D-Positionsinformation mit den 3D-<br />
Bewegungsinformationen aus dem optischen Fluss kombiniert werden (6D-Vision 172 ).<br />
Kamerasysteme ermöglichen neben der Detektion und Klassifikation von Objekten auch<br />
die Detektion von Informationen wie beispielsweise dem Signal einer Lichtsignalanlage<br />
oder, im Falle von Farbkameras, die Unterscheidung zwischen weißen und gelben Fahrbahnmarkierungen.<br />
Die Leistungsfähigkeit von Kamerasystemen wird durch die Abhängigkeit<br />
von Fremdlichtquellen und die geringere Witterungs- und Verschmutzungsrobustheit<br />
negativ beeinflusst. Heutige Systemausführungen ermöglichen eine<br />
Reichweite von maximal 80 m bei einem Öffnungswinkel von bis zu 50° 173 . Die Eignung<br />
von Kamera und 3D-ToF zur Fernbereichsabdeckung des Fahrzeugumfelds ist<br />
aufgrund der heutigen geringen Auflösungen von Automotive-Kameras beschränkt.<br />
Aktuelle Entwicklungen, beispielsweise im Bereich der Unterhaltungselektronik, lassen<br />
jedoch in naher Zukunft kostengünstige und leistungsgesteigerte Lösungen erwarten.<br />
Kamerasysteme werden für FAS wie beispielsweise LDW, CMS sowie Verkehrszeichen-<br />
und Fußgängererkennung eingesetzt. Im Bereich der Forschung werden die unterschiedlichsten<br />
Anwendungen mit dem Ziel der ganzheitlichen Substitution des menschlichen<br />
Fahrers als Umfeldsensor untersucht. Einhaus et al. 174 und Hermes et al. 175 zeigen<br />
die Leistungsfähigkeit von Kamerasystemen hinsichtlich der Detektion und dem Tracking<br />
von Objekten in komplexen innerstädtischen Szenarien. Felisa et al. 176 demonstrieren<br />
eine robuste Erkennung von Fahrstreifenmarkierungen in unterschiedlich komplexen<br />
Szenarien. Sebsadji et al. 177 und Vacek et al. 178 zeigen die Eignung von Kamerasystemen<br />
zur zuverlässigen Detektion unterschiedlicher Fahrbahnmarkierungen wie<br />
beispielsweise Fußgängerüberwege oder Richtungsmarkierungen. Duchow 179 untersucht<br />
172 Franke et al. (2005): 6D-Vision: Fusion of Stereo and Motion for Robust Environment Perception<br />
173 Dietmayer et al. (2005): Fusionsarchitekturen zur Umfeldwahrnehmung für zukünftige Fahrerassistenzsysteme,<br />
S. 62<br />
174 Einhaus et al. (2010): Tracking und Bewegungsvorhersage von Fahrzeugen in komplexen Innenstadtszenarien<br />
175 Hermes et al. (2010): Vehicle Tracking and Motion Prediction in Complex Urban Scenarios<br />
176 Felisa et al. (2010): Robust monocular lane detection in urban environments<br />
177 Sebsadji et al. (2010): Robust Road Marking Extraction in Urban Environments Using Stereo Images<br />
178 Vacek et al. (2007): Road-marking analysis for autonomous vehicle guidance<br />
179 Duchow (2005): A marking-based, flexible approach to intersection detection<br />
86