1 / 10

Adaptive Farbklassifikation von Straßenbelag und Begrenzungslinien

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

adlai
Télécharger la présentation

Adaptive Farbklassifikation von Straßenbelag und Begrenzungslinien

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Adaptive Farbklassifikation von Straßenbelag und Begrenzungslinien

  2. Motivation • Adaptive Fahrbahnerkennung • Beliebige • Wetterlage • Zeit • Fahrassistenzsysteme • Unterstützung bei schwierigen Situationen • Erkennen der Fahrtrichtung Technische Universität München Thomas Hrabe

  3. Inhalt • Szenarien • Arbeitsablauf • Farben & Features • Klassifikatoren • Ergebnisse Technische Universität München Thomas Hrabe

  4. Szenarien Technische Universität München Thomas Hrabe

  5. Arbeitsablauf • Step 1 : Bestimme Durchschnitt der Straßenfarbe • Step 2 : Berechnen zusätzlicher Information • Step 3 : Klassifizieren von jedem Pixel • Step 4 : Erkennung der Straßenrichtung Technische Universität München Thomas Hrabe

  6. Farben & Features • Farbräume • RGB, nRGB, HSV • Adaptive Features • Zusätzliche Features • X = Rot + Grün • Y = Base - Saturation • Featureraum mit 26 Features Technische Universität München Thomas Hrabe

  7. Klassifikatoren Technische Universität München Thomas Hrabe

  8. Ergebnisse Adaptiv Statisch Technische Universität München Thomas Hrabe

  9. 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 Technische Universität München Thomas Hrabe

  10. Video Technische Universität München Thomas Hrabe

More Related