Der Mensch kann seine Umwelt dreidimensional erfassen. Dadurch kann er Entfernungen schätzen, sich in seiner Umgebung sicher bewegen und beispielsweise im Straßenverkehr Fahrzeuge führen. Systeme, die ihn dabei unterstützen komfortabler und sicherer zu fahren, erreichen eine immer größere Marktdurchdringung. Eine Personenerkennung mittels eines infrarotbasierten Nachtsichtsystems oder auch eine automatische Abstandsregelung tragen beispielsweise dazu bei, dass schwere Unfälle vermieden und/oder ihre Folgen gemindert werden können. Systeme aus der aktiven Sicherheit wie auch Fahrerassistenzsysteme, z.B. zum automatischen Einparken, benötigen Sensorik, die eine möglichst genaue und realistische Modellierung des Fahrumfeldes erlauben. Die vorliegende Dissertation befasst sich mit der Objekterkennung basierend auf einer 3D Kamera mit aktiver Beleuchtung. Diese Kamera misst nicht nur einen Intensitätswert, sondern bestimmt über die Laufzeit des Lichts gleichzeitig in jedem Bildpunkt einen Abstandswert des beobachteten Objekts. Der Sensor wurde in einem Versuchsfahrzeug integriert und getestet. Für die 3D Bilder wird eine Bildverarbeitungskette bestehend aus Filtern, einer amplituden- und distanzabhängigen Segmentierung und einer Klassifizierung erarbeitet. Für die Applikationen Fußgängererkennung und Automatisches Abstandsregelsystem wird zur Klassifikation eine Kombination aus regelbasierten und maschinellen Lernverfahren genutzt, um die Objektklassen Fußgänger, Fahrzeug, LKW und Verkehrszeichen zu erkennen. Weiterhin wird das Potenzial für eine automatische Garagenparkanwendung unter Nutzung der 3D-Kamera-Sensorik überprüft und bewertet. Anhand von Erkennungs- und Fehldetektionsraten sowie mit Genauigkeitsuntersuchungen auf Basis von DGPS wird die Leistungsfähigkeit des entwickelten Systems überprüft. Sensorik zur Fahrumfelderfassung im Fahrzeug muss auch unter widrigen Umweltbedingungen funktionieren. Diese Arbeit beinhaltet eine theoretische Analyse, verbunden mit praktischen Experimenten zur Leistungsfähigkeit der laufzeitbasierten 3D Kamera unter widrigen Wetterbedingungen wie Schnee, Regen oder Nebel.
Humans can perceive their environment in 3D. This allows them to estimate distances, to safely interact with their environment and to drive vehicles, for instance. Systems that facilitate a more comfortable and safer way of driving have increased their market share and are becoming more and more important. For instance, pedestrian detection based on infrared night vision systems as well as adaptive cruise control systems help to avoid accidents and/or mitigate their consequences. This thesis addresses object detection with a 3D camera and active illumination. This sensor not only generates an intensity value but also a distance measurement for each pixel based on the time-of-flight principle. The camera is integrated and tested in a vehicle. For the 3D images a signal processing chain consisting of filtering, amplitude and distance based segmentation and classification is developed. For the applications pedestrian detection and adaptive cruise control stop and go, a combination of rule based and machine learning algorithms are used to detect object classes such as pedestrians, vehicles, trucks and traffic signs. Furthermore, the potential for an automated garage parking application based on a 3D camera sensor is tested and evaluated. By means of hit rates and false positive rates, and using a DGPS sensing system, the performance and accuracy of the developed software is evaluated. Driver assistance systems need to function reliably in adverse weather conditions. This work includes an in-depth theoretical analysis combined with profound practical experiments to analyze the performance of the 3D camera in adverse weather conditions such as snow, rain or fog.
3D object detection for driver assistance systems in vehicles
Dreidimensionale Objekterkennung für das Fahrerassistenzsystem
Berichte aus der Elektrotechnik ; 1-175
2009
175 Seiten, Bilder, Tabellen, Quellen
Theses
English
3D object detection for driver assistance systems in vehicles
TIBKAT | 2009
|Redundant object detection for driver assistance systems
European Patent Office | 2017
|Nighttime Vehicle Detection for Driver Assistance and Autonomous Vehicles
British Library Conference Proceedings | 2006
|