Eine flexible Architektur für Fahrerassistenzsysteme

  • Uwe Handmann
  • Iris Leefken
  • Christos Tzomakas
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Kurzfassung

In diesem Artikel wird eine flexible Architektur vorgestellt, mit deren Hilfe eine modulare Lösung von Fahrerassistenzaufgaben in Kraftfahrzeugen gezeigt werden kann. Es wird eine Objektbezogene Analyse von Sensordaten, eine Verhaltensbasierte Szeneninterpretation und eine Verhaltensplanung vorgestellt. Eine globale Wissensbasis, auf der jedes einzelne Modul arbeitet, beinhaltet die Beschreibung physikalischer Zusammenhänge, Verhaltensregeln für den Straßenverkehr, sowie Objekt- und Szenenwissen. Externes Wissen (z.B. GPS - Global Positioning System) kann ebenfalls in die Wissensbasis eingebunden werden. Als Anwendungsbeispiel der Verhaltensplanung wird ein intelligenter Tempomat vorgestellt.

Schlüsselworte

Fahrerassistenzsystem Architektur Computer Vision 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    M. Bertozzi und A. Broggi. GOLD: a Parallel Real-Time Stereo Vision System for Generic Obstacle and Lane Detection. In IEEE (Hrsg.), IEEE Transactions on Image Processing, Band 4(2), Seite 114–136, 1997.Google Scholar
  2. 2.
    A. Broggi. A Massively Parallel Approach to Real-Time Vision-Based Road Markings Detection. In Proceedings of the Intelligent Vehicles’95 Symposium, Detroit, USA, Seite 84–85, 1995.Google Scholar
  3. 3.
    E.D. Dickmanns et al. Vehicles capable of dynamic vision. In 15th International Joint Conference on Artificial Intelligence (IJCAI), Seite 1–16, Nagoya, JapanGoogle Scholar
  4. 5.
    S. Goerzig und U. Franke. ANTS - Intelligent Vision in Urban Traffic. In IV’98, IEEE International Conference on Intelligent Vehicles 1998, Seite 545–549. IEEEGoogle Scholar
  5. 5.
    U. Handmann, T. Kalinke, C. Tzomakas, M. Werner und W. von Seelen. An image processing system for driver assistance. In IV’98, IEEE International Conference on Intelligent Vehicles 1998, Seite 481–486, Stuttgart, Germany, 1998. IEEE.Google Scholar
  6. 6.
    U. Handmann, G. Lorenz, T. Schnitger und W. von Seelen. Fusion of different sensors and algorithms for segmentation. In IV’98, IEEE International Conference on Intelligent Vehicles 1998, Seite 499–504, Stuttgart, Germany, 1998. IEEE.Google Scholar
  7. 7.
    U. Handmann, G. Lorenz und W. von Seelen. Fusion von Basisalgorithmen zur Segmentierung von Straßenverkehrsszenen. In Mustererkennung 1998, Heidelberg, 1998. Springer-Verlag.Google Scholar
  8. 8.
    D. Noll, M. Werner und W. von Seelen. Real-Time Vehicle Tracking and Classi fication. In Proceedings of the Intelligent Vehicles ’95 Symposium, Detroit, USA, Seite 101–106, 1995.Google Scholar
  9. 9.
    M. Rossi, M. Aste, R. Cattoni und B. Caprile. The IRST Driver’s Assistance System. Technical Report 9611–01, Instituto per la Ricerca Scientificia e Techno- logica, Povo, Trento, Italy, 1996.Google Scholar
  10. 10.
    R. Sukthankar. Situation Awareness for Tactical Driving. Phd thesis, Carnegie Mellon University, Pittsburgh, PA, United States of America, 1997.Google Scholar
  11. 11.
    V. v. Holt und S. Baten. Perceptual architecture for a vision system of autonomous vehicles. In IV’98, IEEE International Conference on Intelligent Vehicles 1998, Seite 539–544, Stuttgart, Germany, 1998. IEEE.Google Scholar
  12. 12.
    Qiang Zhuang, Jens Gayko und Martin Kreutz. Optimization of a fuzzy controller for a driver assistant system. In Proceedings of the Fuzzy-Neuro Systems 98, Seite 376–382, München, Germany, 1998.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1999

Authors and Affiliations

  • Uwe Handmann
    • 1
  • Iris Leefken
    • 1
  • Christos Tzomakas
    • 1
  1. 1.Institut für NeuroinformatikRuhr Universität BochumBochumGermany

Personalised recommendations