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
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Die Leistungsfähigkeit des Menschen für die Fahrzeugführung Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

22. Stereosehen

verfasst von : Uwe Franke, Dr.-Ing., Stefan Gehrig, Dr.

Erschienen in: Handbuch Fahrerassistenzsysteme

Verlag: Springer Fachmedien Wiesbaden

Einloggen

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

search-config
loading …

Zusammenfassung

Als in den frühen 90er Jahren im Rahmen des europäischen Projekts PROMETHEUS die ersten Gehversuche zu kamerabasierten Fahrerassistenzsystemen unternommen wurden, konnten sich nur sehr wenige Optimisten vorstellen, dass diese Technologie keine 25 Jahre später eine wichtige Rolle in der Praxis spielen würde, ja sogar manche ambitionierten Systeme wie das vollautomatische Bremsen auf Fußgänger erst ermöglichen würde. Doch kein anderer Sensor konnte so sehr vom allgemeinen Fortschritt profitieren wie Kameras mit der dazugehörigen Auswerteelektronik.
Die Kosten für eine Kamera sind von anfangs 2000 DM und mehr auf wenige 10 € gefallen. Die Dynamikprobleme der in der Anfangsphase verwendeten CCD-Sensoren, die bei Gegenlicht kaum verwertbare Bilder lieferten und daher jede Präsentation von Forschungsergebnissen gefährdeten, gehören dank der für moderne Consumer-Kameras entwickelten CMOS-Imager der Vergangenheit an. Gleichzeitig hat sich die verfügbare Rechenleistung in dieser Zeit um mehr als fünf Größenordnungen erhöht, wie dies vom Moore’schen Gesetz prognostiziert wurde. Entscheidend dazu beigetragen hat die FPGA-Technologie, auf die sich die in vielen Fällen sehr aufwändigen, frühen Verarbeitungsstufen eines bildverstehenden Systems gut abbilden lassen.

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
Vorheriges Kapitel Maschinelles Sehen
Nächstes Kapitel Kamerabasierte Fußgängerdetektion
Literatur
1.
Dickmanns, E., Zapp, A.: A curvature‐based scheme for improving road vehicle guidance by computer vision. SPIE 727, 161–168 (1986)
2.
Meister, S., Jähne, B., Kondermann, D.: Outdoor stereo camera system for the generation of real‐world benchmark data sets. Journal of Optical Engineering 51(02) 021107–1–021107–6 (2012)
3.
Scharstein, D., Szeliski, R.: A Taxonomy and Evaluation of Dense Two‐Frame Stereo Correspondence Algorithms. International Journal of Computer Vision (IJCV) 7–42 (2002). Kluwer, May
4.
Geiger, A., Lenz, P., Urtasun, R.: Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite, Computer Vision and Pattern Recognition (CVPR) (2012)
5.
Hirschmüller, H., Gehrig, S.: Stereo Matching in the Presence of Sub‐Pixel Calibration Errors, Computer Vision and Pattern Recognition (CVPR) (2009)
6.
Hirschmüller, H., Scharstein, D.: Evaluation of Stereo Matching Costs on Images with Radiometric Differences. IEEE Transactions on Pattern Analysis and Machine Intelligence 31(9), 1582–1599 (2009)CrossRef
7.
Mühlmann, K., Maier, D., Hesser, J., Männer, R.: Calculating Dense Disparity Maps from Color Stereo Images, an Efficient Implementation, CVPR Workshop on Stereo and Multi‐Baseline Vision, S. 30–36 (2001)
8.
Belhumeur, N.: A Bayesian approach to binocular stereopsis. International Journal on Computer Vision 19(3), 237–260 (1996)CrossRef
9.
Boykov, Y., Veksler, O., Zabih, R.: Fast approximate energy minimization via graph cuts. IEEE Transactions on Pattern Analysis and Machine Intelligence 23(11), 1222–1239 (2001)CrossRef
10.
Tappen, M., Freeman, W.: Comparison of Graph Cuts with Belief Propagation for Stereo, using Identical MRF Parameters, International Conference on Computer Vision (ICCV) (2003)
11.
Hirschmüller, H.: Stereo Processing by Semi‐Global Matching and Mutual Information. IEEE Transactions on Pattern Analysis and Machine Intelligence 30(2), 328–341 (2008)CrossRef
12.
Gehrig, S., Rabe, C.: Real‐time Semi‐Global Matching on the CPU, CVPR Embedded Computer Vision Workshop, San Francisco, CA (2010)
13.
Banz, C., Blume, H., Pirsch, P.: Real‐time semi‐global matching disparity estimation on the GPU, ICCV Workshop on Mobile Computer Vision, Barcelona, Spain (2011)
14.
Gehrig, S., Eberli, F., Meyer, T.: A Real‐Time Low‐Power Stereo Engine Using Semi‐Global Matching, International Conference on Computer Vision Systems, Liege, Belgium (2009)
15.
Bleyer, M., Chambon, S.: Does Color Really Help in Dense Stereo Matching? International Symposium 3D Data Processing, Visualization and Transmission (3DPVT), Paris, France, S. 1–8 (2010)
16.
Shimizu, M., Okutomi, M.: Precise sub‐pixel estimation on area‐based matching, International Conference on Computer Vision (ICCV) (2001)
17.
Gehrig, S., Badino, H., Franke, U.: Improving Sub‐Pixel Accuracy for Long Range Stereo. Journal of Computer Vision and Image Understanding 116(1), 16–24 (2012)CrossRef
18.
Franke, U., Rabe, C., Badino, H., Gehrig, S.: 6D‐Vision: Fusion of Stereo and Motion for Robust Environment Perception, DAGM Symposium 2005, Wien (2005)
19.
Badino, H., Franke, U., Rabe, C., Gehrig, S.: Stereo Vision‐Based Detection of Moving Objects under Strong Camera Motion, VisApp, Portugal (2006)
20.
Stein, F.: Efficient Computation of OpticaL Flow, DAGM Symposium (2004)
21.
Shi, J., Tomasi, C.: Good features to track, Computer Vision and Pattern Recognition (CVPR), 1994, Seattle (1994)
22.
Zach, C., Pock, T., Bischof, H.: A Duality Based Approach for Realtime TV‐L1 Optical Flow, DAGM Symposium (2007)
23.
Müller, T., Rabe, C., Rannacher, J., Franke, U., Mester, R.: Illumination‐Robust Dense Optical Flow Using Census Signatures, DAGM Symposium (2011)
24.
Müller, T., Rannacher, J., Rabe, C., Franke, U.: Feature‐ and Depth‐Supported Modified Total Variation Optical Flow for 3D Motion Field Estimation in Real Scenes, Computer Vision and Pattern Recognition (CVPR) (2011)
25.
Rabe, C., Müller, T., Wedel, A., Franke, U.: Dense, Robust, and Accurate Motion Field Estimation from Stereo Sequences in Real‐time, European Conference on Computer Vision (ECCV) (2010)
26.
Badino, H., Franke, U., Pfeiffer, D.: The Stixel World ‐ A Compact Medium Level Representation of the 3D‐World, DAGM Symposium (2009)
27.
Pfeiffer, D., Franke, U.: Towards a Global Optimal Multi‐Layer Stixel Representation of Dense 3D Data, British Machine Vision Conference (BMVC) (2011)
28.
Erbs, F., Schwarz, B., Franke, U.: From Stixels to Objects, IEEE Intelligent Vehicles Symposium, Brisbane (2013)
29.
Barth, A., Franke, U.: Estimating the Driving State of Oncoming Vehicles from a Moving Platform Using Stereo Vision, IEEE Transactions on ITS (2009)
30.
Enzweiler, M., Hummel, M., Pfeiffer, D., Franke, U.: Efficient Stixel‐Based Object Recognition, IEEE Intelligent Vehicles Symposium, Alcala de Henares (2012)
31.
Scharwächter, T., Enzweiler, M., Franke, U., Roth, S.: Efficient Multi‐Cue Scene Segmentation, DAGM Symposium, Saarbrücken (2013)
32.
Moosmann, F., Triggs, B., Jurie, F.: Fast Discriminative Visual Codebooks using Randomized Clustering Forests. In: Advances in neural information processing systems (2007)
33.
Enzweiler, M., Gavrila, D.M.: A Multi‐Level Mixture‐of‐Experts Framework for Pedestrian Classification, IEEE Trans. on Image Processing (2011)
34.
Franke, U., Pfeiffer, D., Rabe, C., Knöppel, C., Enzweiler, M., Stein, F., Herrtwich, R.G.: Making Bertha See, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)
35.
Yamaguchi, K., McAllester, D., Urtasun, R.: Robust Monocular Epipolar Flow Estimation, Computer Vision and Pattern Recognition (CVPR) (2013)
36.
Vogel, C., Roth, S., Schindler, K.: Piecewise Rigid Scene Flow, International Conference on Computer Vision (ICCV) (2013)
37.
Gehrig, S., Reznistkii, M., Schneider, N., Franke, U., Weickert, J.: Priors for Stereo Vision under Adverse Weather Conditions, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)
Metadaten
Titel
Stereosehen
verfasst von
Uwe Franke, Dr.-Ing.
Stefan Gehrig, Dr.
Copyright-Jahr
2015
Buch
Handbuch Fahrerassistenzsysteme

Print ISBN: 978-3-658-05733-6

Electronic ISBN: 978-3-658-05734-3

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-658-05734-3_22

    Premium Partner

    Bildnachweise