Upload
adlai
View
34
Download
0
Embed Size (px)
DESCRIPTION
Adaptive Farbklassifikation von Straßenbelag und Begrenzungslinien. Motivation. Adaptive Fahrbahnerkennung Beliebige Wetterlage Zeit Fahrassistenzsysteme Unterstützung bei schwierigen Situationen Erkennen der Fahrtrichtung. Inhalt. Szenarien Arbeitsablauf Farben & Features - PowerPoint PPT Presentation
Citation preview
Thomas Hrabe
Chair for Image UnderstandingComputer Science
Technische Universität München
Adaptive Farbklassifikation von Straßenbelag und Begrenzungslinien
17.1.2007 2/10Technische Universität MünchenThomas Hrabe
Motivation Adaptive
Fahrbahnerkennung Beliebige
Wetterlage Zeit
Fahrassistenzsysteme Unterstützung bei
schwierigen Situationen Erkennen der
Fahrtrichtung
17.1.2007 3/10Technische Universität MünchenThomas Hrabe
Inhalt
Szenarien Arbeitsablauf Farben & Features Klassifikatoren Ergebnisse
17.1.2007 4/10Technische Universität MünchenThomas Hrabe
Szenarien
17.1.2007 5/10Technische Universität MünchenThomas Hrabe
Arbeitsablauf Step 1 : Bestimme Durchschnitt der Straßenfarbe Step 2 : Berechnen zusätzlicher Information Step 3 : Klassifizieren von jedem Pixel Step 4 : Erkennung der Straßenrichtung
17.1.2007 6/10Technische Universität MünchenThomas Hrabe
Farben & Features Farbräume
RGB, nRGB, HSV
Adaptive Features
Zusätzliche Features X = Rot + Grün Y = Base - Saturation
Featureraum mit 26 Features
17.1.2007 7/10Technische Universität MünchenThomas Hrabe
Klassifikatoren
Minkovski
Distanz
Mahalnobis
Distanz
Entscheidungs
Bäume
Kriterium Mittelwert Kovarianz
matrix
Informations
gehalt
Form
17.1.2007 8/10Technische Universität MünchenThomas Hrabe
Ergebnisse
Statisch
Distanzen
Statisch
Bäume
Adaptiv
Distanzen
Adaptiv
Bäume
77% 82% 86% 93%
Statisch Adaptiv
17.1.2007 9/10Technische Universität MünchenThomas Hrabe
Weiterführung Reine Farbinformationen
92% Genauigkeit möglich Straße, Linie, Hintergrund
Zusätzlich Pixelposition 96% Genauigkeit möglich Erhebliche Hilfe für schwere
Szenarien
Wetterklassifikation Spezielle klassifikation für
Szenario
Selbsteinschätzung Bei schlechtem Ergebnis
Warnung an Fahrer
17.1.2007 10/10Technische Universität MünchenThomas Hrabe
Video