Zusammenfassung
In den letzten Jahren gewann eine intelligente Infrastruktur immer mehr an Bedeutung. Ein wichtiger Bestandteil davon ist die Erfassung und Klassifizierung von Fahrzeugen. Während hierzu in der Vergangenheit vornehmlich Laserscanner genutzt werden, kommen mittlerweile immer mehr optische Systeme zum Einsatz. Gegenstand dieser Arbeit ist der Prototyp eines Sensors zur Fahrzeugklassifizierung auf Basis einer Stereokamera in Kombination mit einem künstlichen neuronalen Netz. Im Rahmen dieser Arbeit wird der vorhandene Prototyp in Betrieb genommen, eine Datenbasis für Training und Test des neuronalen Netzes erstellt und der Prototyp getestet. Des Weiteren wurden Methoden erarbeitet, um die Klassifizierungsgüte zu steigern. Die Arbeit ist in drei Themenkomplexe gegliedert. Zu Beginn wird durch Vorverarbeitung des durch die Stereokamera generierten Tiefenbildes versucht, die Qualität der Daten zu verbessern. Anschließend werden Methoden zur Merkmalsextraktion diskutiert, um dem neuronalen Netz optimale Eingangsdaten zu übergeben. Zuletzt wird auf das neuronale Netz eingegangen und es werden die Möglichkeiten und Grenzen des Prototyps diskutiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Daigavane P. M., Bajaj P. R., & Daigavane M. B. (2011). Vehicle detection and neural network application for vehicle classification. In G. Tomar, A. Abraham, F. Z. Wang, & S. Verma (Hrsg.) Proceedings, 2011 International Conference on Computational Intelligence and Communication Systems. CICN 2011 : 7–9 October 2011, Gwalior, India. IEEE, [Piscataway, N.J.], S. 758–762
FEIG ELECTRONIC GmbH. (2020). 4-Kanal Schleifendetektor zur Erfassung von Fahrzeuggeschwindigkeit und Fahrzeugklasse. https://www.feig.de/produkte/sensors/produkt/vek-s4/. Zugegriffen: 16. Juni 2020
Lin, M., & Zhao, X. (2019) Application research of neural network in vehicle target recognition and classification 2019 international conference on intelligent transportation, Big Data & Smart City. ICITBS 2019 : Proceedings : 12–13 January 2019, Changsha, China. Conference Publishing Services, IEEE Computer Society, Los Alamitos, CA, S. 5–8
Ohser, J. (2018). Angewandte Bildverarbeitung und Bildanalyse. Methoden, Konzepte und Algorithmen in der Optotechnik, optischen Messtechnik und industriellen Qualitätskontrolle. München: Fachbuchverlag Leipzig im Carl Hanser Verlag.
Russell, S. J., & Norvig, P. (2012). Künstliche Intelligenz. Ein moderner Ansatz, 3. Aufl. Always learning. München: Pearson.
Sick, A. G. (2020). Profiling-Systeme. https://www.sick.com/cz/de/systemloesungen/profiling-systeme/tic102/c/g229496. Zugegriffen: 16. Juni 2020
Technische Lieferbedingungen für Streckenstationen, TLS (2012), Ausgabe 2012, BASt, Herausgeber: Bundesministerium für verkehr Bau und Stadtentwicklung, Berlin, 2013
VoLTRA Solutions GmbH. (2020). MultiSens. https://voltra-solutions.com/multisens.html. Zugegriffen: 16. Juni 2020
Voßhans, M., Holzner, P., Wörner, R., Faul, T., & Heisig, T. (2020). Fahrzeugklassifizierung mittels Stereokamerasystem unter Einsatz von Deep Learning. In H. Proff (Hrsg.), Neue Dimensionen der Mobilität. Technische und Betriebswirtschaftliche Aspekte (S. 489–504). Wiesbaden: Springer Gabler. in Springer Fachmedien Wiesbaden GmbH.
Zahn, K., Caduff, A., & Bucher, P. (2019). Fahrzeuge visuell klassifizieren. Ein erneuter Paradigmenwechsel? https://www.bulletin.ch/de/news-detail/fahrzeuge-visuell-klassifizieren.html. Zugegriffen: 14. Juni 2020
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Mühleiß, C., Faul, T., Hu, D., Wörner, R. (2021). Fahrzeugklassifizierung mittels Stereokamera – Untersuchung und Weiterentwicklung eines Prototyps unter Einsatz von künstlichen neuronalen Netzen, Deep Learning und Bildverarbeitung. In: Proff, H. (eds) Making Connected Mobility Work. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-32266-3_28
Download citation
DOI: https://doi.org/10.1007/978-3-658-32266-3_28
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-32265-6
Online ISBN: 978-3-658-32266-3
eBook Packages: Business and Economics (German Language)