Catalogue : Details

Matthias Serfling

Merkmalsbasierte Fusion einer NIR-Kamera und eines bildgebenden Radarsensors zur Fußgängerwarnung bei Nacht

ISBN:

978-3-8440-0237-9

Series:

Forschungsberichte der Professur Nachrichtentechnik
Herausgeber: Prof. Dr.-Ing. Gerd Wanielik
Chemnitz

Volume:

Keywords:

Fußgängerwarnung; Nachtsichtsystem; Sensordatenfusion; Rohdatenfusion; Merkmalsfusion; AdaBoost; Radar; Straßenverlaufsvorhersage; digitale Karte; globale Positionierung

Type of publication:

Thesis

Language:

German

Pages:

184 pages

Figures:

92 figures

Weight:

273 g

Format:

21 x 14,8 cm

Bindung:

Paperback

Price:

48,80 € / 97,60 SFr

Published:

July 2011

Buy:

Download:

Available PDF-Files for this title:

You need the Adobe Reader, to open the files. Here you get help and information, for the download.

These files are not printable.


	Document		Abstract
	Type		PDF
	Costs		free
	Action		Display of file - 31 kB (31801 Byte)
	Action		Download of file - 31 kB (31801 Byte)


	Document		Document
	Type		PDF
	Costs		36,60 EUR
	Action		Purchase in obligation and display of file - 31,1 MB (32651931 Byte)
	Action		Purchase in obligation and download of file - 31,1 MB (32651931 Byte)


	Document		Table of contents
	Type		PDF
	Costs		free
	Action		Display of file - 380 kB (388684 Byte)
	Action		Download of file - 380 kB (388684 Byte)

User settings for registered users

You can change your address here or download your paid documents again.

User:	Not logged in.
Actions:	Login / Register Forgotten your password?

Recommendation:

You want to recommend this title?

Review copy:

Here you can order a review copy.

Link:

You want to link this page? Click here.

Export citations:

Text
BibTex
RIS

Abstract:

Die aktuelle zweite Generation von Nachtsichtassistenzsystemen nutzt nahinfrarot oder ferninfrarot Kamerasysteme mit integrierten Systemen zur Erkennung von Fußgängern, die dem Fahrer auf einem Display im Cockpit angezeigt werden. Dem Fahrer wird dadurch eine frühere Erkennung von Fußgängern ermöglicht, er muss jedoch selbst entscheiden, ob diese eine Gefahrensituation für ihn darstellen. In künftigen Systemgenerationen von Nachtsichtassistenzsystemen steht daher neben der Steigerung der Erkennungsleistung v.a. die Unterscheidung der erkannten Objekte nach ihrem Gefährdungspotenzial, so dass die Aufmerksamkeit des Fahrers gezielt auf relevante Objekte gelenkt werden kann.

Diese Arbeit greift beide Themenpunkte auf, also einerseits die Verbesserung der Erkennungsleistung und andererseits die Etablierung einer Warnfunktion, mit der Fußgänger abhängig von ihrer Position zum Fahrbahnrand dem Fahrer unterschiedlich angezeigt werden. Der Autor wählt dabei einen neuartigen Ansatz, bei dem die Daten des bisherigen Kamerasystems mit den Daten eines bildgebenden Radarsystem der Continental AG frühzeitig fusioniert werden. Die Fusion der ungefilterten Rohdaten basiert auf dem AdaBoost-Verfahren, welches in dieser Arbeit erstmals Merkmale aus Sensordatenströmen mit unterschiedlichen physikalischen Messprinzipien und unterschiedlichen Abbildungseigenschaften gleichzeitig in einem Klassifikator verarbeitet. Der Autor entwickelt hierfür neue Merkmale zur Anwendung auf den Radardaten und erarbeitet unterschiedliche Verfahren mit denen der Aufwand einer frühzeitigen Fusion von ungefilterten Sensordaten maßgeblich reduziert werden kann. Um die Aufmerksamkeit des Fahrers gezielt auf die relevanten Fußgänger zu lenken, wird in dieser Arbeit ein Verfahren vorgestellt, welches den Straßenverlauf auf ca. 120 m vorhersagt. Das entwickelte System nutzt die bildähnlichen Daten des eingesetzten Radarsensors, um damit die Position des Fahrzeugs auf einer digitalen Straßenkarte zu bestimmen. Damit ist das System im Unterschied zu vielen Assistenzsystemen, die den Spurverlauf auswerten unabhängig vom Kamerabild, welches in der Nacht nur sehr eingeschränkte Informationen in großen Entfernungen bereitstellt.
Das Gesamtsystem wurde vom Autor prototypisch in einem Versuchsfahrzeug der Daimler AG aufgebaut und konnte durch die entwickelten Maßnahmen zur Reduktion des Mehraufwands einer Rohdatenfusion im Realbetrieb getestet werden. Die Erkennungsleistung und v.a. die Detektionsgüte konnte durch den Einsatz von Sensoren mit orthogonalen Eigenschaften gegenüber rein bildbasierten Systemen und Systemen mit sequentieller Verarbeitung der Sensoren deutlich verbessert werden. Durch die Integration einer Straßenverlaufsvorhersage in das Gesamtsystem konnten erstmals Fußgänger in großen Entfernungen bei Nacht nach ihrer Gefährdung für den Fahrer differenziert werden, wodurch der Fahrer deutlich entlastet wird.