Die präzise 3D-Erkennung von Fremdfahrzeugen im Straßenverkehr ist eine essenzielle Voraussetzung für die Umsetzung von teil- und vollautomatisierten Fahrfunktionen innerhalb eines Automobils. Neben der Detektion durch aktive Sensorik wie Radar oder Laserscanner, ist es aufgrund der deutlich geringeren Kosten von Vorteil, die Fremdfahrzeugerkennungen rein durch Kameras und bildverarbeitende Algorithmen umzusetzen. Zu diesem Zweck stellt die Arbeit ein neuartiges Verfahren zur 3D-Erkennung mittels modellbasierter Posenschätzung vor. Dieses verwendet erstmalig eine ebenfalls neuartige feingranulare semantische Fahrzeugsegmentierung eines neuronalen Netzes, welche einen Fahrzeugkörper in der Bildebene in bis zu 29 Teilklassen zerlegt. Die Arbeit präsentiert einen Nachweis der Anwendbarkeit auf dem öffentlichen Datensatz Virtual KITTI. Darüber hinaus wird ein Vergleich mit monokularen Verfahren der Literatur durchgeführt. Insbesondere wird eine höhere Güte in der 3D-Erkennung erzielt.
Kamerabasierte 3D-Fahrzeugerkennung mittels semantischer Segmentierung für das automatisierte Fahren
2024
37825 KB , 72 KB , 151 KB
Miscellaneous
Electronic Resource
German
Kamerabasierte 3D-Fahrzeugerkennung mittels semantischer Segmentierung für das automatisierte Fahren
TIBKAT | 2024
|Echtzeitfähige kamerabasierte Objektdetektion für automatisierte Fahrzeuge
TIBKAT | 2022
|Kamerabasierte Fußgängerdetektion
Springer Verlag | 2015
|System der automatischen Fahrzeugerkennung "Palma"
IuD Bahn | 2003
|