Catalogue : Details
 | Volker Patricio SchomerusContext-Supported Lane EstimationUnderstanding the Scene by Learning Spatial Relations Between Semantic Features and Virtual Ground Truth | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ISBN: | 978-3-8440-4933-6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Series: | Fortschritte in der Robotik Herausgeber: Prof. Dr.-Ing. Friedrich M. Wahl Braunschweig | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Volume: | 16 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Keywords: | Automatic Driving; Computer Vision; Machine Learning; Lane Detection | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Type of publication: | Thesis | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Language: | English | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Pages: | 142 pages | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Figures: | 68 figures | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Weight: | 195 g | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Format: | 21 x 14,8 cm | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Binding: | Paperback | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Price: | 45,80 € / 57,30 SFr | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Published: | December 2016 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Buy: | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| DOI: | 10.2370/9783844049336 (Online document) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 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.
User settings for registered users You can change your address here or download your paid documents again.
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 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: |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Abstract: | Fahrerassistenzsysteme und automatisches Fahren gewinnen im Bereich der Mobilität mehr und mehr an Bedeutung. Durch erhöhte Sicherheit und die Möglichkeit einer anderweitigen Nutzung der Reisezeit wird die Entwicklung intelligenter Fahrzeuge die Mobilität der Zukunft neu definieren. Um die Grenzen bisheriger Systeme für vollautomatisches Fahren zu erweitern, werden leistungsfähige Methoden des maschinellen Lernens eingesetzt, um die räumlichen Beziehungen zwischen diversen Merkmalen im Kamerabild und der Fahrzeugtrajektorie zu lernen. Das Zusammenführen der räumlichen Beziehungen aller gefundenen Merkmale eines Kamerabildes resultiert in einer sogenannten Verteilungskarte, in die ein Fahrstreifenmodell eingepasst werden kann. Des Weiteren wird mit Hilfe globaler Bildmerkmale der Kontext der aktuellen Szene bestimmt. Es werden verschiedene Möglichkeiten untersucht, mit Hilfe der gewonnenen Kontextinformation die Fahrstreifenerkennung zu verbessern, und es wird erläutert, wie ein solches globales Verfahren mit einer lokalen Methode zur Fahrstreifen- bzw. Fahrstreifenbegrenzungserkennung kombiniert werden kann. Es wird gezeigt, dass viele verschiedene Arten von Merkmalen in der Fahrzeugumgebung wichtige Informationen über die Lage des Fahrstreifens liefern und dass dieser Fahrstreifen im Bild detektiert werden kann, indem dessen räumliche Beziehungen zu diesen Merkmalen modelliert werden. Außerdem wird gezeigt, wie zusätzliches Wissen über den aktuellen Kontext die Qualität der Fahrstreifenerkennung erhöhen kann. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
