Skip to main content

Fahrzeugklassifizierung mittels Stereokamera – Untersuchung und Weiterentwicklung eines Prototyps unter Einsatz von künstlichen neuronalen Netzen, Deep Learning und Bildverarbeitung

  • 3302 Accesses

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.

Schlüsselwörter

  • Verkehrsdatenerfassung
  • Stereokamera
  • Künstliche Intelligenz
  • Neuronale Netze

This is a preview of subscription content, access via your institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-658-32266-3_28
  • Chapter length: 13 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   99.00
Price excludes VAT (USA)
  • ISBN: 978-3-658-32266-3
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Softcover Book
USD   129.99
Price excludes VAT (USA)
Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7
Abb. 8
Abb. 9

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

    Google Scholar 

  • 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

    Google Scholar 

  • 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.

    CrossRef  Google Scholar 

  • Russell, S. J., & Norvig, P. (2012). Künstliche Intelligenz. Ein moderner Ansatz, 3. Aufl. Always learning. München: Pearson.

    Google Scholar 

  • 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

    Google Scholar 

  • 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.

    CrossRef  Google Scholar 

  • 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

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Christoph Mühleiß .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and Permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Verify currency and authenticity via CrossMark

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)