Diploma Thesis DIP-2072

BibliographyBöhm, Thomas: Erkennung und Verfolgung von Fahrzeugen im Videobild.
University of Stuttgart, Faculty of Computer Science, Diploma Thesis No. 2072 (2003).
94 pages, german.
CR-SchemaI.4.0 (Image Processing and Computer Vision General)
I.4.6 (Image Processing and Computer Vision Segmentation)
I.4.7 (Image Processing and Computer Vision Feature Measurement)
I.4.8 (Image Processing and Computer Vision Scene Analysis)
I.4.9 (Image Processing and Computer Vision Applications)
I.5.1 (Pattern Recognition Models)
J.7 (Computers in Other Systems)
I.1.2 (Symbolic and Algebraic Manipulation Algorithms)
I.1.4 (Symbolic and Algebraic Manipulation Applications)
I.2.10 (Vision and Scene Understanding)
I.3.5 (Computational Geometry and Object Modeling)
G.3 (Probability and Statistics)
KeywordsFahrerassistenzsysteme; Digitalkamera; Kamera; Lokalisierung; Fahrerassistenzsysteme; Distronic; Bildverarbeitung; Bildverstehen
Abstract

Die vorliegende Diplomarbeit beschreibt die Entwicklung eines Systems, um vorausfahrende Fahrzeuge robust kamerabasiert zu vermessen. Da der für die Entfernungsmessung bewährte Radarsensor einen stark eingeschränkten Messbereich bezüglich naher Fahrzeuge auf anderen Spuren besitzt, wird die Distanzbestimmung durch kamerabasierte Methoden ergänzt.

Die bereits durch Radar und Bildverarbeitung lokalisierten Fahrzeuge werden im Kamerabild weiter verfolgt, nachdem sie den Radarbereich verlassen haben. Neben der Entfernungsbestimmung werden zusätzlich die Abmessungen des Fahrzeuges in Breite, Höhe und Länge erhoben.

Zur Lösung der Aufgabe die Entfernung zu ermitteln, wurden verschiedene Verfahren implementiert, die unter der Annahme einer ebenen Straße die Entfernung eines im Kamerabild erkannten Fahrzeuges wiedergewinnen.

Wesentlicher Bestandteil des Systems ist ein Kalman-Filter, der die implementierten Verfahren zu einer Entfernungsannahme fusioniert. Dadurch lässt sich eine hohe Qualität der über die Kamera erhobenen Entfernungsinformation erreichen.

Störungen, aufgrund einzelner Fehlmessungen durch Nickbewegungen des Fahrzeuges beim Überfahren einer Bodenwelle, wirken sich nur wenig auf das Ergebnis aus, da das Filter mit einer eingestellten Trägheit auf Änderungen reagiert und Verfahren, die auf Nickbewegungen weniger empfindlich reagieren, korrigierend auf das Ergebnis einwirken.

Zur Bestimmung der Breite werden im Haus vorhandene Methoden zur Lokalisation der Fahrzeugsymmetrieachse angepasst und ein Tiefpassfilter verwendet. Durch die Verfahren kann eine durchgehende Breitenbestimmung mit Abweichungen von wenigen Zentimetern zur tatsächlichen Breite von Beginn der Messung bis kurz vor Verlassen des Kamerabereichs erreicht werden.

Bei der Höhenbestimmung ist eine starke Fixierung auf das vermutete Modell erforderlich, um eine Fahrzeugoberkante von strukturiertem Hintergrund zu unterscheiden. Die dadurch verringerte Anzahl der Messungen genügt im Zusammenspiel mit einem Tiefpassfilter, um durchgehend Höheninformationen zur Verfügung stellen zu können.

Zur Vermessung der Fahrzeuglänge wird ein Verfahren angewendet, mit dem der Schatten oder die seitliche Unterkante des Objekts vermessen und daraus auf die Fahrzeuglänge geschlossen wird. Anhand des Verfahrens gelingt im Nahbereich eine zuverlässige und genaue Bestimmung des Längenmaßes. Durch einen Tiefpassfilter nähert sich der ermittelte Wert einer konstanten Länge an.

Diese Arbeit ermöglicht eine Modellierung anderer Verkehrsteilnehmer von einer zweidimensionalen Rückfront zu einem dreidimensionalen Objektmodell.

Neben der Vermessung anderer Fahrzeuge, realisiert diese Arbeit eine zuverlässige Schätzung der Parameter für die systemweit problematische Fahrzeugeigendynamik aufgrund von Fahrbahnunebenheiten und Geschwindigkeitsänderungen.

Full text and
other links
PDF (1656538 Bytes)
PostScript (23548219 Bytes)
HTML (541 Bytes)
TAR-Archiv (27617280 Bytes)
Access to students' publications restricted to the faculty due to current privacy regulations
Department(s)University of Stuttgart, Institute of Parallel and Distributed High-Performance Systems, Image Understanding
Project(s)Fahrerassistenzsysteme
Entry dateNovember 25, 2003
   Publ. Computer Science