Fusion von Basisalgorithmen zur Segmentierung von Straßenverkehrsszenen

  • Uwe Handmann
  • Gesa Lorenz
  • Werner von Seelen
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Derzeitige Projekte am Institut für Neuroinformatik in Bochum beschäftigen sich mit der Analyse von Straßenverkehrsszenen mittels Computer Vision [12]. Dies impliziert, wegen der durch die natürliche Umwelt aufgestellten Randbedingungen, hohe Anforderungen an die zu entwickelnden Algorithmen. Im speziellen wird versucht, Verkehrsteilnehmer aus Videobildern zu extrahieren und die so gewonnenen Objekthypothesen weiter zu attributieren (z.B. Objektklasse, Abstand, Geschwindigkeit, Gefahrenpotential hinsichtlich der beabsichtigten Eigentrajektorie etc.), um im Hinblick auf den Einsatz in Assistenzsystemen in Fahrzeugen eine möglichst genaue Beschreibung der Umwelt zu erreichen. Nicht nur die große Vielfalt der unterschiedlichen Umweltszenarien, sondern auch das hohe Maß an Sicherheit, das die gestellte Aufgabe erfordert, bedingen ein breitbandiges und flexibles Gesamtsystem [6]. Ein Lösungsvorschlag wird im folgenden behandelt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    B. V. Dasarathy. Decision Fusion. IEEE Computer Society Press, Los Alamitos, 1994.Google Scholar
  2. 2.
    J.D. Foley, A. van Dam, S.K. Feiner und J.F. Hughes. Computer Graphics: Principles and Practice. Addison-Wesley Publishing Company, Inc., 1990.Google Scholar
  3. 3.
    C. Goerick. Local orientation coding and adaptive thresholding for real time early vision. Internal Report IR-INI 94–05, Institut für Neuroinformatik, Ruhr- Universität Bochum, D-44780 Bochum, Germany, Juni 1994.Google Scholar
  4. 4.
    C. Goerick, D. Noll und M. Werner. Artificial Neural Networks in Real Time Car Detection and Tracking Applications. Pattern Recognition Letters, 1996.Google Scholar
  5. 5.
    U. Handmann und T. Kalinke. Fusion of texture and contour based methods for object recognition. In ITSC’97, Boston, 1997. IEEE. Session 35: Intelligent Vehicles: Vision(3).Google Scholar
  6. 6.
    U. Handmann, T. Kalinke, C. Tzomakas, M. Werner und W. v. Seelen. Computer vision for driver assistance systems. In Proceedings of SP IE Vol. 3364, Orlando, 1998. SPIE. Session Enhanced and Synthetic Vision 1998.Google Scholar
  7. 7.
    S. Haykin. Neural Networks. Macmillan College Publishing Company, Inc., 1994.MATHGoogle Scholar
  8. 8.
    T. Kalinke und W. von Seelen. Entropie als Maß des lokalen Informationsgehalts in Bildern zur Realisierung einer Aufmersamkeitssteuerung. In Mustererkennung 1996, Seite 627–634, Berlin, Heidelberg, 1996. Springer-Verlag.Google Scholar
  9. 9.
    L. C. Ramac, M. K. Uner, P. K. Varshney, M. Alford und D. Ferris. Morphological filters and wavelet based image fusion for concealed weapons detection. In Proceedings of SPIE Vol 3376, Orlando, 1998. SPIE. Session Sensor Fusion 1998.Google Scholar
  10. 10.
    W. Ritter, F. Stein und R. Janssen. Traffic Sign Recognition Using Colour Information. Mathl. Comput. Modelling, 22 (4–7): 149–161, 1995.MATHGoogle Scholar
  11. 11.
    T. Schnitger und U. Handmann. Fusion von Bildanalyseverfahren mittels einer neuronalen Kopplungsstruktur. Internal Report IRINI 98–01, Institut für Neuroinformatik, Ruhr-Universität Bochum, D-44780 Bochum, Germany, April 1998.Google Scholar
  12. 12.
    W. von Seelen, W. Gillner, C. Goerick, U. Handmann, T. Kalinke, D. Kastrup, I. Leefken, G. Lorenz, D. Noll, C. Tzomakas, B. Völpel, M. Werner und C. Winkel. Image Processing of Dynamic Scenes. Internal Report IRINI 97–14, Institut für Neuroinformatik, Ruhr-Universität Bochum, D-44780 Bochum, Germany, Juli 1997.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1998

Authors and Affiliations

  • Uwe Handmann
    • 1
  • Gesa Lorenz
    • 1
  • Werner von Seelen
    • 1
  1. 1.Institut für NeuroinformatikRuhr Universität BochumBochumGermany

Personalised recommendations