Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Automatic Camera and Kinematic Calibration of a Complex Service Robot Kapitel lesen Erstes Kapitel lesen

2012 | OriginalPaper | Buchkapitel

3D LIDAR- and Camera-Based Terrain Classification Under Different Lighting Conditions

verfasst von : Stefan Laible, Yasir Niaz Khan, Karsten Bohlmann, Andreas Zell

Erschienen in: Autonomous Mobile Systems 2012

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Terrain classification is a fundamental task in outdoor robot navigation to detect and avoid impassable terrain. Camera-based approaches are well-studied and provide good results. A drawback of these approaches, however, is that the quality of the classification varies with the prevailing lighting conditions. 3D laser scanners, on the other hand, are largely illumination-invariant. In this work we present easy to compute features for 3D point clouds using range and intensity values. We compare the classification results obtained using only the laser-based features with the results of camera-based classification and study the influence of different lighting conditions.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Markerless Visual Control of a Quad-Rotor Micro Aerial Vehicle by Means of On-Board Stereo Processing
Nächstes Kapitel Towards Adaptive Scheduling for Real-Time Image Processing
Literatur
Breiman, L.: Random forests. Mach. Learn. 45(1), 5–32 (2001)
Häselich, M., Lang, D., Arends, M., Paulus, D.: Terrain classification with markov random fields on fused camera and 3d laser range data. In: Proceedings of the 5th European Conference on Mobile Robotics (ECMR), pp. 153–158 (2011)
Happold, M., Ollis, M., Johnson, N.: Enhancing supervised terrain classification with predictive unsupervised learning. In: Robotics: Science and Systems (2006)
Khan, Y.N., Komma, P., Zell, A.: High resolution visual terrain classification for outdoor robots. In: IEEE International Conference on Computer Vision Workshops (ICCV Workshops) 2011, pp. 1014–1021. Barcelona, Spain, Nov 2011
Myneni, R.B., Hall, F.G., Sellers, P.J., Marshak, A. L.: The interpretation of spectral vegetation indexes. In: IEEE Transactions on Geoscience and Remote Sensing, 33(2), 481–486 (1995)
Rasmussen, C.: Combining laser range, color, and texture cues for autonomous road following. In: Proceedings of the IEEE International Conference on Robotics and Automation, pp. 4320–4325, (2002)
Torr, P.H.S., Zisserman, A.: MLESAC: a new robust estimator with application to estimating image geometry. Comput. Vis. Image Underst. 78, 138–156 (2000)
Weiss, U., Biber, P., Laible, S., Bohlmann, K., Zell, A.: Plant species classification using a 3d lidar sensor and machine learning. In: Ninth International Conference on Machine Learning and Applications (ICMLA),2010, pp. 339–345, (2010)
Wurm, K.M., Stachniss, C., Kümmerle, R., Burgard, W.: Improving robot navigation in structured outdoor environments by identifying vegetation from laser data. Procceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), St. Louis, MO, USA, In (2009)
Metadaten
Titel
3D LIDAR- and Camera-Based Terrain Classification Under Different Lighting Conditions
verfasst von
Stefan Laible
Yasir Niaz Khan
Karsten Bohlmann
Andreas Zell
Copyright-Jahr
2012
Verlag
Springer Berlin Heidelberg
Buch
Autonomous Mobile Systems 2012

Print ISBN: 978-3-642-32216-7

Electronic ISBN: 978-3-642-32217-4

Copyright-Jahr: 2012

DOI
https://doi.org/10.1007/978-3-642-32217-4_3

Premium Partner

    Bildnachweise