DE19926559A1 - Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung - Google Patents
Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große EntfernungInfo
- Publication number
- DE19926559A1 DE19926559A1 DE19926559A DE19926559A DE19926559A1 DE 19926559 A1 DE19926559 A1 DE 19926559A1 DE 19926559 A DE19926559 A DE 19926559A DE 19926559 A DE19926559 A DE 19926559A DE 19926559 A1 DE19926559 A1 DE 19926559A1
- Authority
- DE
- Germany
- Prior art keywords
- objects
- distance
- vehicle
- image
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/30—Image reproducers
- H04N13/302—Image reproducers for viewing without the aid of special glasses, i.e. using autostereoscopic displays
- H04N13/307—Image reproducers for viewing without the aid of special glasses, i.e. using autostereoscopic displays using fly-eye lenses, e.g. arrangements of circular lenses
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N2013/0074—Stereoscopic image analysis
- H04N2013/0081—Depth or disparity estimation from stereoscopic image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N2013/0074—Stereoscopic image analysis
- H04N2013/0092—Image segmentation from stereoscopic image signals
Abstract
Die Erfindung betrifft ein Verfahren zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernungen, bei welchem die Entfernung des bewegten Fahrzeugs durch Auswertung von Stereobildpaaren berechnet und Eigenschaften der detektierten Objekte ermittelt werden, wobei eine entfernungsbasierte Bildsegmentierung mittels Stereobildverarbeitung und eine Objekterkennung in den segmentierten Bildbereichen durchgeführt wird. DOLLAR A Es wird weiterhin eine Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernungen vorgeschlagen, umfassend eine Erfassungseinrichtung, eine Auswerteeinrichtung zur entfernungsbasierten Bildsegmentierung, eine Extraktionseinrichtung zur Ermittlung relevanter Bildbereiche, die erhabene Objekte kennzeichnen, und eine Erkennungseinrichtung für Objekte in den segmentierten Bildbereichen.
Description
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur
Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in
große Entfernung gemäß den gattungsbildenden Merkmalen der Pa
tentansprüche 1 und 10.
Um den Fahrer eines Kraftfahrzeuges im Straßenverkehr zu unter
stützen, sind Fahrerassistenzsysteme entwickelt worden, die
geeignet sind, vorausschauend gefährliche Situationen im Stra
ßenverkehr zu erkennen. Derartige Fahrerassistenzsysteme können
den Fahrer abhängig von seinem Verhalten entweder warnen oder
in die Fahrzeugführung eingreifen. Hierdurch soll die Fahrsi
cherheit erhöht, der Fahrer von monotonen Fahraufgaben entla
stet und somit das Fahren komfortabler werden.
Aufgrund der hohen Anforderungen an die Zuverlässigkeit von
sicherheitssteigernden Systemen sind zum heutigen Zeitpunkt am
Markt überwiegend Komfortsysteme verfügbar. Als Beispiele hier
für sind Einparkhilfen und intelligente Tempomaten zu nennen.
Sicherheitssteigernde Fahrerassistenzsysteme sollen die umge
bende Verkehrssituation in immer stärkerem Maße erfassen und
berücksichtigen.
Aus der EP 0 558 027 B1 ist eine Einrichtung zum Erfassen des
Abstands zwischen Fahrzeugen bekannt. Bei dieser Einrichtung
erzeugt ein Paar von Bildsensoren ein Bild eines Objekts, das
dem Fahrer angezeigt wird. Ein Bereich dieses Bildes wird in
Fenster unterteilt. Die Abstände vom fahrenden Fahrzeug zum
Objekt, das sich in den jeweiligen Fenstern befindet, werden
erfaßt. Hierbei werden die Abstände durch Vergleichen zweier
von unterschiedlichen Bildsensoren aufgenommener Bildinforma
tionen in verschiedenen Fenstern berechnet. Aufgrund der ermit
telten Abstandsinformationen wird das jeweilige Objekt ermit
telt. Es wird ein den relevanten Bildbereich unterteilendes
Gatter eingesetzt, welches das zu erfassende Objekt umgibt und
eine weitere Bildinformation liefert. Eine Symmetrie dieser
Bildinformation wird ermittelt und die Existenz eines voraus
fahrenden Fahrzeugs wird durch Bestimmen einer Stabilität einer
horizontalen Bewegung einer Symmetrielinie und einer zweiten
Stabilität der Abstände über die Zeit vorhergesagt.
Diese bekannte Erfassungseinrichtung wird dazu eingesetzt, vor
dem sich bewegenden Fahrzeug befindliche Fahrzeuge zu erfassen
und zu erkennen. Eine zuverlässige Erkennung von Objekten wird
jedoch nur im Nahbereich erreicht, da dort die einfache Erfas
sung von Symmetrielinien ausreichend stabil durchgeführt werden
kann. Im Fernbereich reicht diese einfache Symmetrieerfassung
aufgrund der geringen Auflösung im Bild und der sich daraus
ergebenden Ungenauigkeit bei der Bestimmung des Objekts allein
nicht mehr aus.
Jedoch sind gerade an eine zuverlässige Objekterkennung hohe
Anforderungen zu stellen, damit dem Fahrer keine falschen In
formationen gegeben werden, die zu falschen und gefährlichen
Reaktionen führen können. Bei intelligenten Systemen könnte das
Fahrzeug selbst aufgrund der Falschinformationen verkehrsge
fährdend reagieren. Verläßliche Informationen sind etwa bei der
spurgenauen Erkennung von Fahrzeugen in großer Entfernung so
wohl in als auch entgegen der eigenen Fahrtrichtung unabding
bar.
Die Aufgabe der Erfindung besteht darin, ein Verfahren und eine
Vorrichtung zur Detektion von Objekten im Umfeld eines Straßen
fahrzeugs bis in große Entfernung anzugeben, welches bzw. wel
che eine zuverlässige Erfassung von Objekten, insbesondere von
Straßenfahrzeugen vor und/oder hinter einem fahrenden Fahrzeug
und deren situativer Relevanz ermöglicht.
Diese Aufgabe wird gemäß der Erfindung verfahrenstechnisch
durch die Merkmale des Patentanspruchs 1 und vorrichtungsstech
nisch durch die Merkmale des Patentanspruchs 10 gelöst. Die
Unteransprüche betreffen vorteilhafte Weiterbildungen.
Demgemäß ist ein Verfahren zur Detektion von Objekten im Umfeld
eines Straßenfahrzeugs bis in große Entfernung vorgesehen, bei
welchem die Entfernung eines bewegten Fahrzeugs zu einem oder
mehreren Objekten durch Auswertung von Stereobildpaaren berech
net und Eigenschaften der detektierten Objekte ermittelt wer
den.
Die Bestimmung der Eigenschaften der detektierten Objekte soll
der Klärung ihrer Relevanz für das eigene Fahrzeug dienen und
somit zum Situationsverstehen beitragen.
Die Detektion kann vorzugsweise nach vorne oder nach hinten
erfolgen und etwa für Stauwarnung, Abstandsregelung zum Vorder
mann oder Rückraumüberwachung eingesetzt werden. Ein wichtiger
Gesichtspunkt ist hierbei, daß die situative Relevanz bzw. das
Gefahrenpotential der detektierten Objekte aus deren Abstand
zum eigenen Fahrzeug und der ermittelten Relativgeschwindigkeit
ermittelt wird.
Anstelle der Auswertung von Stereobildpaaren, die von einer
Stereoanordnung bestehend aus optischen Sensoren oder Kameras
aufgenommen werden, können prinzipiell auch einzeln aufgenomme
ne Bilder unterschiedlicher Herkunft zur Entfernungsbestimmung
ausgewertet werden.
Gemäß einem Grundgedanken wird eine entfernungsbasierte Bild
segmentierung mittels Stereobildverarbeitung und eine Objekter
kennung in den segmentierten Bildbereichen durchgeführt. Durch
diese Vorgehensweise können Objekte nicht nur zuverlässig hin
sichtlich ihrer Entfernung sondern auch hinsichtlich bestimmter
Merkmale erkannt und bewertet werden.
Die detektierten Objekte können insbesondere Straßenfahrzeuge
und/oder Straßenmarkierungen und -begrenzungen sein, so daß
sich beispielsweise die Position eines Straßenfahrzeugs in ei
ner bestimmten Fahrspur ermitteln läßt.
Zusätzlich ist es vorteilhaft, die relative Lage und die Rela
tivgeschwindigkeit der detektierten Objekte zueinander und zum
bewegten Fahrzeug zu kennen, um die situative Relevanz der de
tektierten Objekte zu ermitteln. Hierzu wird die Abstandsmes
sung ausgewertet und eine fahrspurgenaue Objektzuordnung ermit
telt.
Bei der Bildsegmentierung kann eines der aufgenommenen Stereo
bildpaare nach signifikanten Merkmalen von zu erfassenden Ob
jekten abgetastet werden. Der Abstand der signifikanten Merkma
le läßt sich dann durch Vergleichen der jeweiligen Merkmale in
einem Stereobild des Stereobildpaares mit denselben korrespon
dierenden Merkmalen im zeitgleich aufgenommenen anderen Stereo
bild des Stereobildpaares mittels Kreuzrelation bestimmen, wo
bei die dabei auftretenden Disparitäten ausgewertet werden.
Durch Bestimmen des Abstands signifikanter Merkmale im Pixelbe
reich werden 3D-Punkte in der realen Welt relativ zum Koordina
tensystem der Meßeinrichtung ermittelt. Die so gewonnen Infor
mationen von 3D-Punkten sind somit von unterschiedlichen Objek
ten bestimmt, wie etwa Fahrzeuge, Straßenmarkierungen, Leit
planken usw.
Merkmale ähnlicher Abstandswerte und/oder ähnlicher Höhe werden
zusammengefaßt, um Cluster zu bilden. Erhabene Objekte und/oder
flache Objekte werden durch Zusammenfassen (Clusterung) der 3D-
Punkte nach vorbestimmten Kriterien detektiert. Diese Unter
scheidung zwischen erhabenen und flachen Objekten ist für die
sichere Objekterkennung, z. B. die Erkennung von anderen Kraft
fahrzeugen und die Unterscheidung zu Straßenmarkierungen sehr
wichtig. Flache Objekte können z. B. Straßenmarkierungen, Bord
steine, Leitplanken usw. und erhabene Objekte Fahrzeuge, Leit
pfosten, Brückenpfeiler, Laternenmasten usw. sein. Da heutzuta
ge in modernen Kraftfahrzeugen entsprechend hohe Rechenleistun
gen realisierbar sind, ist eine derartige Bildsegmentierung
mittels Entfernungsbestimmung und Clusterung sicher und schnell
durchführbar.
Es können zur Objekterkennung Objekthypothesen ermittelt wer
den, welche durch Vergleich von Objektmodellen verifiziert wer
den.
So lassen sich zur Objekterkennung die segmentierten Bildberei
che nach vorbestimmten, statistisch verifizierten 2D-Merkmalen
der zu erkennenden Objekte abtasten und die detektierten Objek
te unter Verwendung eines neuronalen Netzes zur Klassifikation
einer bestimmten Objektart vergleichen. Auf diese Weise wird
eine zuverlässige Objekterkennung durchgeführt.
Die relevanten Objekte können über die Zeit verfolgt und deren
Abstand und laterale Position relativ zum eigenen Fahrzeug be
stimmt werden, um das dynamische Verhalten der relevanten Ob
jekte zu bewerten. Erst mit Kenntnis des dynamischen Verhaltens
der ermittelten Objekte sind sinnvolle Reaktionen des Fahrers
oder des Fahrzeuges möglich. Eine "vorausschauende" Fahrweise
wird somit gefördert.
Weiterhin können durch dieses sogenannte Tracking sporadisch
auftretende Phantomobjekte unterdrückt und die gesamte Erken
nungsleistung gesteigert werden. Durch Tracking der detektier
ten Objekte über die Zeit können die Objekteigenschaften wie
z. B. Entfernung, Relativgeschwindigkeit und Relativbeschleuni
gung beispielsweise unter Verwendung eines Kalmanfilters von
Meßrauschen befreit werden.
Gemäß einem weiteren Grundgedanken ist eine Vorrichtung zur
Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in
große Entfernung vorgesehen, welche eine Erfassungseinrichtung,
eine Auswerteeinrichtung zur entfernungsbasierten Bildsegmen
tierung, eine Extraktionseinrichtung zur Ermittlung relevanter
Bildbereiche, und eine Erkennungseinrichtung für Objekte in den
segmentierten Bildbereichen aufweist. Mit einer derartigen De
tektionseinrichtung wird eine zuverlässige Abstandsbestimmung
und Erkennung von Objekten, insbesondere von Staßenfahrzeugen
vor und/oder hinter einem fahrenden Fahrzeug ermöglicht.
Mit Hilfe einer Klassifizierungseinrichtung, lassen sich Objek
te, wie etwa Straßenfahrzeuge in den extrahierten Bildbereichen
ermitteln. Es ist eine Bestimmungseinrichtung für typische
Merkmale von Objekten, nach welchen in den relevanten Bildbe
reichen gesucht wird, vorgesehen. Hierdurch werden etwa charak
teristische Kanten und Ecken in den extrahierten Bildbereichen
ermittelt. Eine Vergleichseinrichtung vergleicht die Orte der
typischen Merkmale mit der internen 2D Modellvorstellung eines
neuronalen Netzes.
Die Anzahl der zu klassifizierenden extrahierten Bildbereiche
im Bild läßt sich reduzieren, wenn diese durch eine einfache
zeitliche Verfolgung (Tracking) auf ihre örtliche Konsistenz
hin überprüft werden.
Mit Hilfe einer Trackingeinrichtung lassen sich Objekthypothe
sen und die resultierenden Objekte über die Zeit verfolgen, um
deren dynamisches Verhalten zu ermitteln.
Um den Abstand und die laterale Position der resultierenden
Objekte relativ zum eigenen Fahrzeug zu ermitteln, sind eine
Abstandbestimmungseinrichtung und eine Positionsbestimmungsein
richtung vorgesehen.
Neben dem beschriebenen stereobasierten Ansatz sind prinzipiell
auch Objekterfassungsverfahren auf der Basis von Radar-
und/oder Infrarotsignalen im Fernbereich möglich.
Anhand der nachstehenden Beschreibung im Zusammenhang mit den
beigefügten Zeichnungen werden weitere Vorteile, Merkmale und
Einzelheiten der Erfindung deutlicher.
Es zeigen:
Fig. 1 eine schematische Darstellung der Verfahrensschritte
gemäß der Erfindung;
Fig. 2 eine schematische Darstellung zur Verdeutlichung des
Prinzips der Entfernungsbestimmung bei parallel ange
ordneten Kameras gleicher Brennweite.
Fig. 3 eine schematische Darstellung zur Verdeutlichung des
Prinzips der Korrespondenzsuche mittels Kreuzkorrelati
on;
Fig. 4 eine schematische Darstellung zur Verdeutlichung des
Prinzips der 2D Merkmalsextraktion bei der Auswertung
durch ein neuronales Netz gemäß der Erfindung.
Fig. 5 eine schematische Darstellung zur Verdeutlichung des
Prinzips der Koordinatennormierung; und
Fig. 6 eine Darstellung eines Entfernungsprofils eines näher
kommenden Fahrzeugs.
Im folgenden wird die Bildsegmentierung mittels Stereobildver
arbeitung beschrieben, bei der erhabene Objekte detektiert wer
den. Dies wird durch Clusterung einzelner Merkmale mit ähnli
chen Entfernungen durchgeführt. Anschließend wird ein Fahrzeug
erkennungsverfahren vorgestellt, mit dem Straßenfahrzeuge in
den segmentierten Bildbereichen erkannt werden. Fahrzeugtypi
sche Merkmale werden hierzu extrahiert und anschließend mit der
internen Fahrzeugmodellvorstellung eines neuronalen Netzes ver
glichen. Die prinzipielle Vorgehensweise ist schematisch in
Fig. 1 gezeigt.
Eine Monobildverarbeitung ist bei Einsatz ähnlicher Mittel und
ähnlichem Vorgehen grundsätzlich auch möglich.
Die Eigenschaft der Erhabenheit von Straßenfahrzeugen gegenüber
der Straße dient dem hier vorgestellten Verfahren zur Bildseg
mentierung. Hierzu wird ein Stereokamerasystem eingesetzt, mit
dem es möglich ist, Entfernungen signifikanter Merkmale, die im
Kamerabild an Straßenfahrzeugen auftreten, zu bestimmen. Mit
tels dieser Information ist eine Aussage über erhabene Objekte
möglich. Die ständig wachsende Rechenleistung, die im Fahrzeug
verfügbar ist, erlaubt heutzutage die echtzeitfähige Analyse
von Stereobildpaaren.
Es ist auch möglich, zuverlässig zu ermitteln, auf welcher
Fahrspur sich ein erfaßtes Straßenfahrzeug befindet. Es läßt
sich dann eine Aussage über die situative Relevanz dieses er
faßten Straßenfahrzeugs aufgrund seiner Lage zum eigenen Fahr
zeug treffen. Dementsprechend kann dann der Fahrer und/oder das
eigene Fahrzeug reagieren.
Obwohl fahrzeugtaugliche Radarsysteme keine ausreichende late
rale Auflösung für eine Spurzuordnung bieten, Infrarotsysteme
Auflösungs- und Reichweitenprobleme besitzen und Ultraschall
generell für den Nahbereich einsetzbar ist, ist es prinzipiell
denkbar, diese Systeme anstelle oder in Kombination zu Stereo
kamerasystemen einzusetzen.
Das Prinzip der Entfernungsbestimmung bei der verwendeten pa
rallelen Kameraanordnung ist in Fig. 2 auf Basis des Lochkame
ramodells dargestellt. Der Punkt P in der Welt wird über die
Projektionszentren auf die Sensoroberflächen jeder Kamera pro
jiziert. u0 bzw. u1 stellen die Abweichung vom Projektionszen
trum dar. Ihre Differenz
Δu = u0-u1
wird als Disparität Δu bezeichnet. Mittels Trigonometrie und
den Größen der Kameraanordnung (Brennweite f und Basisweite b)
kann der Abstand d berechnet werden.
Hierbei stellt b die Basisbreite, die Brennweite und d den
Abstand zum Punkt P dar. u0 und u1 sind die Entfernungen der
Projektionen des Punktes P auf die Sensoroberfläche.
Im ersten Verarbeitungsschritt der Bildsegmentierung wird in
einem der Stereobildpaare nach signifikanten Merkmalen gesucht.
Nur zu Versuchszwecken läßt sich eine entsprechende (nicht ge
zeigte) Darstellung auf einem Bildschirm oder einer anderen
Anzeigeeinrichtung darstellen. Signifikante Merkmale liefern
z. B. Kanten, die zuverlässig bei Straßenfahrzeugen auftreten.
Die Orte der selektierten Kanten, die den zu korrelierenden
Bildbereich des zweiten Verarbeitungsschritts definieren, las
sen sich etwa durch rechteckige Rahmen in der Bildschirmdar
stellung markieren.
Zur Bestimmung des Abstandes der am Bildschirm dargestellten
Merkmale werden die jeweiligen Disparitäten durch Vergleich mit
dem zeitgleich aufgenommenen zweiten Stereobild ermittelt.
Hierzu findet eine Suche jedes rechteckigen Bildbereiches mit
tels Kreuzkorrelation im korrespondierenden Bild statt; In
Fig. 3 ist eine schematische Darstellung zur Verdeutlichung des
Prinzips der Korrespondenzsuche mittels Kreuzkorrelation ge
zeigt.
Aufgrund der parallelen Ausrichtung der Kameras läßt sich der
Suchbereich in vertikaler Richtung auf die Epipolare, in dem in
Fig. 3 gezeigten Falle die jeweilige Zeile, einschränken. In
horizontaler Richtung wird im korrespondierenden Bild je nach
zulässigen Disparitäten der entsprechende Suchbereich defi
niert.
Durch Verwendung der KKFMF (lokale mittelwertfreie, normierte
Kreuzkorrelationsfunktion) als Korrelationsfunktion wirken sich
Helligkeitsunterschiede in den Bildpaaren, die z. B. durch un
terschiedliche Sonneneinstrahlung oder unterschiedliche Rege
lung der Kameras auftreten, nur geringfügig auf den Korrelati
onswert aus.
Der Korrelationskoeffizient der KKFMF wird folgendermaßen be
rechnet:
Die Werte F(i,j) und (x+i,y+ j) repräsentieren die mittelwert
freien Grauwerte der rechteckigen Bildbereiche F(i,j) und
Pr(x+i,y+j). Aufgrund der Normierung bewegen sich die Ergebnis
se der KKFMF im Intervall [-1,1). Der Wert 1 steht für paarwei
se Übereinstimmung, -1 für entsprechend inverse Übereinstim
mung.
Im letzten Verarbeitungsschritt der Bildsegmentierung findet
eine Zusammenfassung (Clusterbildung) von Merkmalen mit ähnli
chen Abstandswerten statt (vgl. Fig. 1). Die relative Höhe der
gebildeten Cluster wird mit einer festen Mindesthöhe vergli
chen, um ein erhabenes Objekt sicherzustellen. Erhabene Objekte
sind dabei durch Merkmale mit ähnlichen Abstandswerten und fla
che Objekte durch Merkmale mit ähnlichen Höhenwerten bestimmt.
Die resultierenden Cluster lassen sich zu Versuchszwecken in
eine (nicht gezeigte) reale Bildschirmdarstellung der beobach
teten Szene als Rahmen einblenden. Zusätzlich lassen sich an
den Rahmen die zu den segmentierten Bildbereichen gehörenden
Entfernungen in Zahlenwerten angeben.
Neben Fahrzeugen werden auch andere erhabene Objekte, wie z. B.
Leitpfosten und Straßenränder segmentiert. Um fehlerhafte Ob
jekthypothesen zu verwerfen, wird dem stereobasierten Objekt
segmentierungsprozeß innerhalb der detektierten Bildbereiche
eine 2D-Objekterkennung nachgeschaltet.
Im Folgenden wird nun die 2D-Merkmalsextraktion und die Fahr
zeugerkennung beschrieben. Diese Verarbeitungsschritte sind
ebenfalls in der Fig. 1 dargestellt.
Straßenfahrzeuge weisen in der Bildebene signifikante Merkmale,
z. B. Kanten und Ecken sowie Symmetrie auf. Diese Merkmale wur
den zur Suche empirisch ermittelt und durch direkten Vergleich
mit einem Fahrzeugmodell die Erkennung von Straßenfahrzeugen
durchgeführt. In dem hier gezeigten Verfahren wird nach stati
stisch verifizierten 2D-Merkmalen gesucht, die anschließend mit
der internen Modellvorstellung von Fahrzeugen eines neuronalen
Netzes verglichen werden. In Fig. 4 ist eine schematische Dar
stellung zur Verdeutlichung des Prinzips der 2D Merkmalsextrak
tion bei der Auswertung durch ein neuronales Netz gezeigt.
Zur Ermittlung signifikanter und statistisch verifizierter 2D-
Merkmale von Straßenfahrzeugen wurde ein Datensatz von 50 Bil
dern, die Autos in verschiedenen Szenen zeigen, zu Grunde ge
legt. Unter Verwendung der unten aufgeführten Verfahren fand
eine Bestimmung von mehreren 9 × 9 großen typischen Mustern
statt, die in den verwendeten Szenen gehäuft auftreten (weiter
hin als Vergleichsmuster bezeichnet).
Die Vergleichsmuster treten an bestimmten Stellen des Fahrzeu
ges typisch auf. Beispielsweise können die Merkmale im unteren
Bereich der Fahrzeuge vorkommen. An diesen Stellen weisen die
meisten Straßenfahrzeuge ähnliche strukturellen Flächen auf.
Diese sind beispielsweise der Schatten unter dem Auto und die
Ecken an den Reifen sowie der Verlauf der strukturellen Flächen
an den Scheinwerfern.
In den segmentierten Bildbereichen wird ein Suchfenster zur
Berechnung der durch die vorgegebenen Vergleichsmuster bestimm
ten Merkmale definiert. Entsprechend der Entfernung des hypo
thetischen Objektes wird ein in der Größe angepaßtes Suchfen
ster definiert und mit den Vergleichsmustern korreliert. Die
Orte im Suchfenster, die ein lokales Maximum der Korrelations
funktion aufweisen, kennzeichnen signifikante Merkmale, wie
Fig. 5 zeigt.
Aus den Koordinaten der Extrema und der zugeordneten Ver
gleichsmuster erhält man die Eingangsmerkmale für das einge
setzte feedforward-Netz. Dieses wurde für das Auftreten typi
scher Merkmalskonstellationen, die Fahrzeuge kennzeichnen,
trainiert.
Das erfindungsgemäße, echtzeitfähige Verfahren zur stereoba
sierten Verfolgung von Objekten in großer Entfernung wurde in
realen Straßenszenen erprobt. In Fig. 6 sind die gemessenen
Entfernungsdaten eines sich nähernden Fahrzeugs dargestellt.
Wie in Fig. 6 ersichtlich, tritt in 100 Meter Entfernung eine
Messungenauigkeit von ca. ± 50 cm auf.
Um die ermittelten Entfernungsdaten rauschfrei und weitgehend
frei von Meßfehlern aufgrund fehlerhaft ermittelter Korrespon
denzen zu halten, bietet sich der Einsatz eines Kalmanfilters
an, der durch die zeitliche Betrachtung der Meßwerte aussage
kräftigere Ergebnisse liefert. Durch die Erweiterung der 2D-
Merkmalsextraktion um Texturmaße und Symmetrieoperatoren, sind
weitere Potentiale zur Verbesserung des vorgestellten Verfah
rens gegeben.
Zusammenfassend ist festzuhalten, daß mit dem erfindungsgemäßen
Verfahren eine zuverlässige Abstandsbestimmung und Erkennung
von Objekten, insbesondere von Staßenfahrzeugen vor und/oder
hinter einem fahrenden Fahrzeug bis in große Entfernung möglich
ist.
Claims (14)
1. Verfahren zur Detektion von Objekten im Umfeld eines Stra
ßenfahrzeugs bis in große Entfernung, bei welchem die Ent
fernung eines bewegten oder stehenden Fahrzeugs zu einem
oder mehreren Objekten durch Auswertung von Stereobildpaa
ren berechnet und Eigenschaften der detektierten Objekte
ermittelt werden,
dadurch gekennzeichnet, daß
eine entfernungsbasierte Bildsegmentierung mittels Stereo bildverarbeitung durchgeführt wird, und
eine Objekterkennung in den segmentierten Bildbereichen durchgeführt wird.
eine entfernungsbasierte Bildsegmentierung mittels Stereo bildverarbeitung durchgeführt wird, und
eine Objekterkennung in den segmentierten Bildbereichen durchgeführt wird.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß
die detektierten Objekte insbesondere Straßenfahrzeuge
und/oder Straßenmarkierungen und -begrenzungen sind.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet, daß
die relative Lage und die Relativgeschwindigkeit der detek
tierten Objekte zueinander und zum bewegten Fahrzeug durch
Auswerten der Abstandsmessung ermittelt werden, um eine
fahrspurgenaue Objektzuordnung und/oder die situative Rele
vanz der detektierten Objekte zu ermitteln.
4. Verfahren nach einem der Ansprüche 1 bis 3,
dadurch gekennzeichnet, daß
eines der aufgenommenen Stereobildpaare nach signifikanten
Merkmalen von zu erfassenden Objekten abgetastet wird, und
der Abstand der signifikanten Merkmale durch Vergleichen
der jeweiligen Merkmale in einem Stereobild des Stereobild
paares mit denselben korrespondierenden Merkmalen im zeit
gleich aufgenommenen anderen Stereobild des Stereobildpaa
res bestimmt wird, wobei die dabei auftretenden Disparitä
ten mittels Kreuzkorrelation ausgewertet werden.
5. Verfahren nach einem der Ansprüche 1 bis 4,
dadurch gekennzeichnet, daß
durch Bestimmen des Abstands signifikanter Merkmale im Pi
xelbereich 3D-Punkte in der realen Welt relativ zum Koordi
natensystem der Meßeinrichtung bestimmt werden.
6. Verfahren nach einem der Ansprüche 1 bis 5,
dadurch gekennzeichnet, daß
Bildbereiche erhabener Objekte und/oder flacher Objekte er
mittelt werden, und
erhabene Objekte und/oder flache Objekte durch Zusammenfas
sen (Clusterung) von 3D-Punkten nach vorbestimmten Kriteri
en detektiert werden.
7. Verfahren nach einem der Ansprüche 1 bis 6,
dadurch gekennzeichnet, daß
zur Objekterkennung Objekthypothesen ermittelt werden, wel
che durch Vergleich von Objektmodellen verifiziert werden.
8. Verfahren nach einem der Ansprüche 1 bis 7,
dadurch gekennzeichnet, daß
zur Objekterkennung die segmentierten Bildbereiche nach
vorbestimmten, statistisch verifizierten 2D-Merkmalen der
zu erkennenden Objekte abgetastet werden, und
die detektierten Objekte unter Verwendung eines neuronalen
Netzes zur Klassifikation einer bestimmten Objektart ver
glichen werden.
9. Verfahren nach einem der Ansprüche 1 bis 8,
dadurch gekennzeichnet, daß
die relevanten Objekte über die Zeit verfolgt und deren Ab
stand und laterale Position relativ zum eigenen Fahrzeug
bestimmt werden, um das dynamische Verhalten der relevanten
Objekte zu bewerten.
10. Vorrichtung zur Detektion von Objekten im Umfeld eines
Straßenfahrzeugs bis in große Entfernung, umfassend eine
Erfassungseinrichtung
gekennzeichnet durch,
eine Auswerteeinrichtung zur entfernungsbasierten Bildseg mentierung,
eine Extraktionseinrichtung zur Ermittlung relevanter Bild bereiche, und
eine Erkennungseinrichtung für Objekte in den segmentierten Bildbereichen.
eine Auswerteeinrichtung zur entfernungsbasierten Bildseg mentierung,
eine Extraktionseinrichtung zur Ermittlung relevanter Bild bereiche, und
eine Erkennungseinrichtung für Objekte in den segmentierten Bildbereichen.
11. Vorrichtung nach Anspruch 10,
gekennzeichnet durch,
eine Klassifizierungseinrichtung, um Objekte in den extra hierten Bildbereichen zu ermitteln,
eine Bestimmungseinrichtung für typische Merkmale von Ob jekten, nach welchen in den relevanten Bildbereichen ge sucht wird,
eine Vergleichseinrichtung zum Vergleichen der Orte der ty pischen Merkmale mit der internen 2D Modellvorstellung ei nes neuronalen Netzes.
eine Klassifizierungseinrichtung, um Objekte in den extra hierten Bildbereichen zu ermitteln,
eine Bestimmungseinrichtung für typische Merkmale von Ob jekten, nach welchen in den relevanten Bildbereichen ge sucht wird,
eine Vergleichseinrichtung zum Vergleichen der Orte der ty pischen Merkmale mit der internen 2D Modellvorstellung ei nes neuronalen Netzes.
12. Vorrichtung nach Anspruch 10 oder 11,
gekennzeichnet durch,
eine Trackingeinrichtung zum Verfolgen der resultierenden
Objekte über die Zeit.
13. Vorrichtung nach einem der Ansprüche 10 bis 12,
gekennzeichnet durch,
eine Abstandbestimmungseinrichtung und eine Positionsbe
stimmungseinrichtung zum Bestimmen der lateralen Position
der resultierenden Objekte relativ zum eigenen Fahrzeug.
14. Vorrichtung nach einem der Ansprüche 10 bis 13,
dadurch gekennzeichnet, daß
die Erfassungseinrichtung Radar- und/oder Infrarotsensoren
und/oder eine Stereo- oder Monoanordnung optischer Sensoren
oder Kameras aufweist.
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19926559A DE19926559A1 (de) | 1999-06-11 | 1999-06-11 | Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung |
JP2001503136A JP2003502745A (ja) | 1999-06-11 | 2000-06-09 | 相当の距離までの道路車両の付近にある物体の検出方法 |
ES00936874T ES2187476T3 (es) | 1999-06-11 | 2000-06-09 | Procedimiento para la deteccion de objetos dentro del entorno de un vehiculo de carretera hasta a una gran distancia. |
PCT/EP2000/005337 WO2000077736A1 (de) | 1999-06-11 | 2000-06-09 | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung |
EP00936874A EP1192597B1 (de) | 1999-06-11 | 2000-06-09 | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung |
US10/009,596 US7046822B1 (en) | 1999-06-11 | 2000-06-09 | Method of detecting objects within a wide range of a road vehicle |
DE50000984T DE50000984D1 (de) | 1999-06-11 | 2000-06-09 | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19926559A DE19926559A1 (de) | 1999-06-11 | 1999-06-11 | Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19926559A1 true DE19926559A1 (de) | 2000-12-21 |
Family
ID=7910852
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19926559A Withdrawn DE19926559A1 (de) | 1999-06-11 | 1999-06-11 | Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung |
DE50000984T Expired - Lifetime DE50000984D1 (de) | 1999-06-11 | 2000-06-09 | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE50000984T Expired - Lifetime DE50000984D1 (de) | 1999-06-11 | 2000-06-09 | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung |
Country Status (6)
Country | Link |
---|---|
US (1) | US7046822B1 (de) |
EP (1) | EP1192597B1 (de) |
JP (1) | JP2003502745A (de) |
DE (2) | DE19926559A1 (de) |
ES (1) | ES2187476T3 (de) |
WO (1) | WO2000077736A1 (de) |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10141730A1 (de) * | 2001-08-25 | 2003-03-06 | Conti Temic Microelectronic | Verfahren zum Schutz lebender Objekte bei einem Zusammenstoß mit einem Fahrzeug sowie ein Fahrzeug mit einer Steuervorrichtung zur Durchführung des Verfahrens |
EP1291674A2 (de) * | 2001-09-03 | 2003-03-12 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298454A2 (de) * | 2001-09-28 | 2003-04-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298012A2 (de) * | 2001-09-28 | 2003-04-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148068A1 (de) * | 2001-09-28 | 2003-04-10 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148063A1 (de) * | 2001-09-28 | 2003-04-17 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1306690A2 (de) * | 2001-09-28 | 2003-05-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1396833A1 (de) * | 2002-09-05 | 2004-03-10 | Honda Giken Kogyo Kabushiki Kaisha | Fahrzeugsteuerungssystem, -Programm und -Verfahren |
DE10301634A1 (de) * | 2003-01-17 | 2004-08-05 | Daimlerchrysler Ag | Lokal-adaptive Objekterkennung für digitales Bildmaterial |
DE10312546B3 (de) * | 2003-03-21 | 2004-09-09 | Audi Ag | Kameravorrichtung für ein Fahrzeug und Verfahren zum Betreiben einer Kameravorrichtung |
DE10310849A1 (de) * | 2003-03-11 | 2004-09-30 | Inb Vision Ag | Verfahren zur photogrammmetrischen Abstands- und/oder Positionsbestimmung |
FR2861488A1 (fr) * | 2003-10-28 | 2005-04-29 | Denso Corp | Dispositif de determination de possibilite de collision |
WO2005090124A1 (de) | 2004-02-20 | 2005-09-29 | Daimlerchrysler Ag | Bildverarbeitungssystem für kraftfahrzeuge |
WO2005098782A1 (en) * | 2004-04-08 | 2005-10-20 | Mobileye Technologies Limited | Collision warning system |
EP1655620A1 (de) * | 2004-10-29 | 2006-05-10 | Deere & Company | Hinderniserkennung durch Stereovision |
DE102005020731A1 (de) * | 2005-05-04 | 2006-11-09 | Audi Ag | Modelliervorrichtung und Verfahren zum Modellieren einer Umgebung eines Fahrzeugs |
DE102005036782A1 (de) * | 2005-08-02 | 2007-02-15 | Magna Donnelly Gmbh & Co. Kg | Verfahren zum Betrieb eines Bildauswertesystems zur Entfernungsmessung an einem Fahrzeug |
EP1251032A3 (de) * | 2001-04-20 | 2008-03-12 | Fuji Jukogyo Kabushiki Kaisha | Apparat und Verfahren zur Erkennung von hinter fahrenden Fahrzeugen |
DE102006055908A1 (de) * | 2006-11-27 | 2008-05-29 | Adc Automotive Distance Control Systems Gmbh | Verfahren zur automatischen Fernlichtsteuerung |
EP1906374A3 (de) * | 2006-09-26 | 2008-11-26 | GM Global Technology Operations, Inc. | Ortungseinrichtung für ein Kraftfahrzeug |
AT505309B1 (de) * | 2007-09-28 | 2008-12-15 | Arc Austrian Res Centers Gmbh | Verfahren zur feststellung von fahrzeugen |
DE102007050568A1 (de) * | 2007-08-04 | 2009-02-05 | Continental Teves Ag & Co. Ohg | Verfahren und Einrichtung zur Objekterkennung in einem Bild |
EP1566060B1 (de) * | 2002-11-16 | 2009-05-27 | Robert Bosch Gmbh | Vorrichtung und verfahren zur verbesserung der sicht in einem kraftfahrzeug |
DE102009016819A1 (de) * | 2009-04-09 | 2010-11-04 | Carl Zeiss Optronics Gmbh | Verfahren zur Detektion wenigstens eines Objekts und/oder wenigstens einer Objektgruppe, Computerprogramm, Computerprogammprodukt, Stereokameraeinrichtung, aktiv Strahlung aussendendes Bildsensorsystem und Überwachungsvorrichtung |
DE102009033124A1 (de) * | 2009-07-15 | 2011-01-27 | Audi Ag | Verfahren zur Ermittlung eines Ein- oder Ausschervorgangs eines dem eigenen Kraftfahrzeug vorausfahrenden Fahrzeugs |
DE102004008867B4 (de) * | 2003-02-22 | 2011-04-07 | Daimler Ag | Bildverarbeitungssystem für Kraftfahrzeuge |
DE102010018038A1 (de) * | 2010-04-23 | 2011-10-27 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Warnen eines Fahrers eines Fahrzeugs vor der Anwesenheit von Objekten in einem Totwinkelbereich und entsprechende Fahrerassistenzeinrichtung |
DE102011100820A1 (de) * | 2011-05-07 | 2012-11-08 | Connaught Electronics Ltd. | Verfahren zum Detektieren eines Hindernisses in der Umgebung eines Kraftfahrzeugs, Fahrerassistenzeinrichtung und Kraftfahrzeug |
DE102011054852A1 (de) * | 2011-07-30 | 2013-01-31 | Götting KG | Verfahren zur Erfassung und Bewertung einer Ebene |
DE102011087894A1 (de) * | 2011-12-07 | 2013-06-13 | Robert Bosch Gmbh | Verfahren und Fahrzeugassistenzsystem zur aktiven Warnung und/oder zur Navigationshilfe zur Vermeidung einer Kollision eines Fahrzeugkarosserieteils und/oder eines Fahrzeugrades mit einem Objekt |
US8699754B2 (en) | 2008-04-24 | 2014-04-15 | GM Global Technology Operations LLC | Clear path detection through road modeling |
DE102012020778A1 (de) | 2012-10-23 | 2014-04-24 | Audi Ag | Verfahren zum Labeln einer Sequenz von in zeitlicher Abfolge aufgenommenen Bildern mit integrierter Qualitätsprüfung |
US8917904B2 (en) | 2008-04-24 | 2014-12-23 | GM Global Technology Operations LLC | Vehicle clear path detection |
DE102013021840A1 (de) * | 2013-12-21 | 2015-06-25 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erzeugen eines Umgebungsmodells eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
DE102014219422A1 (de) * | 2014-09-25 | 2016-03-31 | Conti Temic Microelectronic Gmbh | Automatische Kamerasichtfeldanpassung und Synchronisation |
US9852357B2 (en) | 2008-04-24 | 2017-12-26 | GM Global Technology Operations LLC | Clear path detection using an example-based approach |
WO2018007171A1 (de) * | 2016-07-06 | 2018-01-11 | Audi Ag | Verfahren zum verbesserten erkennen von objekten durch ein fahrerassistenzsystem |
DE102004001555B4 (de) * | 2004-01-10 | 2018-02-15 | Robert Bosch Gmbh | Verfahren und System für die Spurführung eines Fahrzeugs |
DE102016225866A1 (de) * | 2016-12-21 | 2018-06-21 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Warneinrichtung eines Schienenfahrzeugs |
DE10242808B4 (de) | 2002-09-14 | 2018-09-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Erkennung von Hindernissen und/oder Verkehrsteilnehmern |
WO2019048554A1 (de) * | 2017-09-07 | 2019-03-14 | Audi Ag | Verfahren zum auswerten eines optischen erscheinungsbildes in einer fahrzeugumgebung und fahrzeug |
US10325171B2 (en) | 2014-05-19 | 2019-06-18 | Honda Motor Co., Ltd. | Object detection device, driving assistance device, object detection method, and object detection program |
DE102006057552B4 (de) * | 2005-12-07 | 2019-08-29 | Visteon Global Technologies Inc. | System und Verfahren zur Messung des Abstands eines vorausfahrenden Fahrzeugs |
WO2020061605A3 (de) * | 2018-09-26 | 2020-06-18 | Qinematiq Gmbh | Verfahren zum fokussieren einer kamera |
DE102019216548A1 (de) * | 2019-10-28 | 2021-04-29 | DeepUp GmbH | Verfahren und mobile Erfassungsvorrichtung zur Erfassung von Infrastrukturelementen eines unterirdischen Leitungsnetzwerks |
WO2022002604A1 (de) * | 2020-06-30 | 2022-01-06 | Robert Bosch Gmbh | Vermeidung von fehldetektionen einer objekterkennung |
DE102011005780B4 (de) | 2011-03-18 | 2022-06-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung einer Entfernung zwischen einem Fahrzeug und einem Objekt |
DE102021107904A1 (de) | 2021-03-29 | 2022-09-29 | Conti Temic Microelectronic Gmbh | Verfahren und System zur Bestimmung der Bodenebene mit einem künstlichen neuronalen Netz |
DE112012001318B4 (de) | 2011-05-11 | 2023-09-21 | Continental Autonomous Mobility Germany GmbH | Redundante Objektdetektion für Fahrerassistenzsysteme |
DE102022113001A1 (de) | 2022-05-24 | 2023-11-30 | Bayerische Motoren Werke Aktiengesellschaft | Lichtassistenzsystem, Fahrzeug und Verfahren zum Steuern eines Scheinwerfers eines Fahrzeuges |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7423686B2 (en) * | 2002-03-14 | 2008-09-09 | Canon Kabushiki Kaisha | Image pickup apparatus having auto-focus control and image pickup method |
US7251346B2 (en) * | 2002-11-19 | 2007-07-31 | Honda Motor Co., Ltd. | Moving object detection device, moving object detection method, and moving object detection program |
US7376262B2 (en) * | 2003-08-04 | 2008-05-20 | American Gnc Corporation | Method of three dimensional positioning using feature matching |
JP4258385B2 (ja) * | 2004-01-14 | 2009-04-30 | 株式会社デンソー | 路面反射検出装置 |
JP4532171B2 (ja) | 2004-06-01 | 2010-08-25 | 富士重工業株式会社 | 立体物認識装置 |
US8594370B2 (en) | 2004-07-26 | 2013-11-26 | Automotive Systems Laboratory, Inc. | Vulnerable road user protection system |
JP2006221603A (ja) * | 2004-08-09 | 2006-08-24 | Toshiba Corp | 3次元情報復元装置、3次元情報復元方法および3次元情報復元プログラム |
US7974778B2 (en) * | 2004-09-17 | 2011-07-05 | Honda Motor Co., Ltd. | Vehicular control object determination system and vehicular travel locus estimation system |
DE102004057296A1 (de) * | 2004-11-26 | 2006-06-08 | Daimlerchrysler Ag | Lane-Departure-Warning mit Unterscheidung zwischen Fahrbahnrandmarkierung und baulicher Begrenzung des Fahrbahnrandes |
JP4328286B2 (ja) * | 2004-12-14 | 2009-09-09 | 本田技研工業株式会社 | 顔領域推定装置、顔領域推定方法及び顔領域推定プログラム |
US7639841B2 (en) * | 2004-12-20 | 2009-12-29 | Siemens Corporation | System and method for on-road detection of a vehicle using knowledge fusion |
US7620208B2 (en) * | 2005-02-09 | 2009-11-17 | Siemens Corporate Research, Inc. | System and method for detecting features from images of vehicles |
US7656432B2 (en) * | 2005-03-30 | 2010-02-02 | Hoya Corporation | Method and apparatus for photographing moving object |
JP2007148835A (ja) | 2005-11-28 | 2007-06-14 | Fujitsu Ten Ltd | 物体判別装置、報知制御装置、物体判別方法および物体判別プログラム |
TWI302879B (en) * | 2006-05-12 | 2008-11-11 | Univ Nat Chiao Tung | Real-time nighttime vehicle detection and recognition system based on computer vision |
DE102007040539B4 (de) * | 2006-09-04 | 2014-03-27 | Denso Corporation | Fahrzeugsteuersystem |
WO2008065717A1 (fr) * | 2006-11-29 | 2008-06-05 | Fujitsu Limited | Système et procédé de détection de piéton |
US8199975B2 (en) * | 2006-12-12 | 2012-06-12 | Cognex Corporation | System and method for side vision detection of obstacles for vehicles |
US7979199B2 (en) * | 2007-01-10 | 2011-07-12 | Honeywell International Inc. | Method and system to automatically generate a clearance request to deviate from a flight plan |
US8098889B2 (en) * | 2007-01-18 | 2012-01-17 | Siemens Corporation | System and method for vehicle detection and tracking |
EP2037407B1 (de) * | 2007-09-13 | 2014-07-23 | Delphi Technologies, Inc. | Verfahren zur Objekterfassung |
US8150165B2 (en) * | 2008-04-11 | 2012-04-03 | Recognition Robotics, Inc. | System and method for visual recognition |
US9576217B2 (en) | 2008-04-11 | 2017-02-21 | Recognition Robotics | System and method for visual recognition |
JP5089545B2 (ja) * | 2008-09-17 | 2012-12-05 | 日立オートモティブシステムズ株式会社 | 道路境界検出判断装置 |
KR101299104B1 (ko) * | 2009-09-08 | 2013-08-28 | 주식회사 만도 | 보행자 검출 장치 및 그 방법 |
JP5325765B2 (ja) | 2009-12-28 | 2013-10-23 | 日立オートモティブシステムズ株式会社 | 路肩検出装置及び路肩検出装置を用いた車両 |
CN103052968B (zh) * | 2010-08-03 | 2016-03-02 | 松下知识产权经营株式会社 | 物体检测装置和物体检测方法 |
US8395659B2 (en) | 2010-08-26 | 2013-03-12 | Honda Motor Co., Ltd. | Moving obstacle detection using images |
JP5537491B2 (ja) * | 2011-05-12 | 2014-07-02 | 富士重工業株式会社 | 環境認識装置 |
JP5537492B2 (ja) * | 2011-05-12 | 2014-07-02 | 富士重工業株式会社 | 環境認識装置 |
JP2013069045A (ja) * | 2011-09-21 | 2013-04-18 | Honda Elesys Co Ltd | 画像認識装置、画像認識方法および画像認識プログラム |
JP5918982B2 (ja) * | 2011-11-22 | 2016-05-18 | キヤノン株式会社 | 撮像装置、再生装置、その制御方法、撮像システム、及びプログラム |
US8768007B2 (en) | 2012-03-26 | 2014-07-01 | Tk Holdings Inc. | Method of filtering an image |
US8824733B2 (en) | 2012-03-26 | 2014-09-02 | Tk Holdings Inc. | Range-cued object segmentation system and method |
CN103390268B (zh) | 2012-05-11 | 2016-11-23 | 株式会社理光 | 物体区域分割方法和装置 |
US8781721B2 (en) * | 2012-06-06 | 2014-07-15 | Google Inc. | Obstacle evaluation technique |
KR20140019501A (ko) * | 2012-08-06 | 2014-02-17 | 현대자동차주식회사 | 장애물 인식을 위한 분류기의 생성방법 |
JP5937921B2 (ja) * | 2012-08-09 | 2016-06-22 | 株式会社ブリヂストン | 路面状態判別方法とその装置 |
WO2014070448A1 (en) | 2012-10-31 | 2014-05-08 | Tk Holdings, Inc. | Vehicular path sensing system and method |
WO2014152470A2 (en) | 2013-03-15 | 2014-09-25 | Tk Holdings, Inc. | Path sensing using structured lighting |
US9696420B2 (en) * | 2013-04-09 | 2017-07-04 | Ford Global Technologies, Llc | Active park assist object detection |
DE102013217915A1 (de) * | 2013-09-09 | 2015-03-12 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Objekterkennung aus tiefenaufgelösten Bilddaten |
US10466709B2 (en) | 2013-11-08 | 2019-11-05 | Hitachi, Ltd. | Autonomous driving vehicle and autonomous driving system |
US9361575B2 (en) * | 2013-12-11 | 2016-06-07 | Volvo Car Corporation | Method of programming a neural network computer |
KR101582572B1 (ko) * | 2013-12-24 | 2016-01-11 | 엘지전자 주식회사 | 차량 운전 보조 장치 및 이를 구비한 차량 |
JP6208260B2 (ja) | 2013-12-26 | 2017-10-04 | 株式会社日立製作所 | 物体認識装置 |
US11244171B2 (en) * | 2014-01-22 | 2022-02-08 | Conduent Business Services Llc | Video-based system for automated detection of double parking violations |
US9830681B2 (en) * | 2014-01-31 | 2017-11-28 | Hover Inc. | Multi-dimensional model dimensioning and scale error correction |
US10026324B2 (en) | 2014-11-04 | 2018-07-17 | Honeywell International Inc. | Systems and methods for enhanced adoptive validation of ATC clearance requests |
DE102015205855A1 (de) * | 2015-04-01 | 2016-10-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und System zur automatischen Erkennung von Parkzonen |
JP2016197795A (ja) * | 2015-04-03 | 2016-11-24 | 日立オートモティブシステムズ株式会社 | 撮像装置 |
JP2017045124A (ja) * | 2015-08-24 | 2017-03-02 | 株式会社日本自動車部品総合研究所 | 視差検出装置 |
US10823950B2 (en) * | 2016-01-07 | 2020-11-03 | Digital Surigcals PTE. LTD. | Camera system with balanced monocular cues for use in digital stereo microscopes |
SE541846C2 (en) * | 2016-02-10 | 2019-12-27 | Scania Cv Ab | Method and control unit for rear view |
US10372976B2 (en) | 2016-05-05 | 2019-08-06 | Brunswick Corporation | Person detection in a marine environment |
GB2562018A (en) * | 2016-09-15 | 2018-11-07 | Vivacity Labs Ltd | A method and system for analyzing the movement of bodies in a traffic system |
DE102016218853A1 (de) * | 2016-09-29 | 2018-03-29 | Conti Temic Microelectronic Gmbh | Detektion und Validierung von Objekten aus Bildern einer Kamera |
DE102016218849A1 (de) | 2016-09-29 | 2018-03-29 | Conti Temic Microelectronic Gmbh | Detektion und Tracking von Objekten aus Bildern einer Kamera |
DE102016218852A1 (de) | 2016-09-29 | 2018-03-29 | Conti Temic Microelectronic Gmbh | Detektion von Objekten aus Bildern einer Kamera |
US9989964B2 (en) * | 2016-11-03 | 2018-06-05 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling vehicle using neural network |
US20180262739A1 (en) * | 2017-03-10 | 2018-09-13 | Denso International America, Inc. | Object detection system |
US10740627B2 (en) | 2017-05-10 | 2020-08-11 | Fotonation Limited | Multi-camera vision system and method of monitoring |
US11615566B2 (en) | 2017-05-10 | 2023-03-28 | Fotonation Limited | Multi-camera vehicle vision system and method |
US10331960B2 (en) | 2017-05-10 | 2019-06-25 | Fotonation Limited | Methods for detecting, identifying and displaying object information with a multi-camera vision system |
DE102017216802A1 (de) * | 2017-09-22 | 2019-03-28 | Continental Teves Ag & Co. Ohg | Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug |
JP7102800B2 (ja) * | 2018-03-13 | 2022-07-20 | 富士通株式会社 | 評価プログラム、評価方法および評価装置 |
DE102018109680A1 (de) * | 2018-04-23 | 2019-10-24 | Connaught Electronics Ltd. | Verfahren zum Unterscheiden von Fahrbahnmarkierungen und Bordsteinen durch parallele zweidimensionale und dreidimensionale Auswertung; Steuereinrichtung; Fahrassistenzsystem; sowie Computerprogrammprodukt |
DE102018214875A1 (de) * | 2018-08-31 | 2020-03-05 | Audi Ag | Verfahren und Anordnung zum Erzeugen einer Umgebungsrepräsentation eines Fahrzeugs und Fahrzeug mit einer solchen Anordnung |
DE102018121602A1 (de) * | 2018-09-05 | 2020-03-05 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Auswerten von mehreren Bildern einer Umgebung eines Kraftfahrzeugs; Steuereinrichtung; sowie Fahrerassistenzsystem |
SE1851450A1 (en) * | 2018-11-23 | 2020-05-24 | Scania Cv Ab | Method, Computer Program, Control Unit for Detecting Faults in a Driver-Assistance System and Vehicle |
EP3670283A1 (de) * | 2018-12-17 | 2020-06-24 | Ningbo Geely Automobile Research & Development Co. Ltd. | Folge dem auto |
US11288814B2 (en) * | 2019-07-15 | 2022-03-29 | Mujin, Inc. | System and method of object detection based on image data |
DE102019218479A1 (de) * | 2019-11-28 | 2021-06-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Klassifikation von Objekten auf einer Fahrbahn in einem Umfeld eines Fahrzeugs |
CN113703015A (zh) * | 2020-05-22 | 2021-11-26 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备及介质 |
US11782254B2 (en) * | 2020-07-24 | 2023-10-10 | United Scope LLC | Digital microscopy system and graphical user interface |
KR102363691B1 (ko) * | 2021-05-07 | 2022-02-17 | (주)뉴빌리티 | 자율주행을 위한 객체 속도 추정 장치 및 방법 |
CN114429486A (zh) * | 2021-08-09 | 2022-05-03 | 深圳市速腾聚创科技有限公司 | 目标对象的运动信息确定方法、装置、介质及终端 |
US11645775B1 (en) * | 2022-06-23 | 2023-05-09 | Plusai, Inc. | Methods and apparatus for depth estimation on a non-flat road with stereo-assisted monocular camera in a vehicle |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4211171A1 (de) * | 1992-04-03 | 1993-10-07 | Diehl Gmbh & Co | Verfahren zum Erkennen von interessierenden Mustern |
EP0558027B1 (de) * | 1992-02-28 | 1997-01-02 | Mitsubishi Denki Kabushiki Kaisha | Entfernungsmesser für Abstand zwischen Fahrzeugen |
DE4308776C2 (de) * | 1992-03-23 | 1997-08-21 | Fuji Heavy Ind Ltd | Einrichtung zum Überwachen des Außenraums eines Fahrzeugs |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5809161A (en) * | 1992-03-20 | 1998-09-15 | Commonwealth Scientific And Industrial Research Organisation | Vehicle monitoring system |
JP3004501B2 (ja) * | 1993-08-02 | 2000-01-31 | 三菱重工業株式会社 | 車種判別装置 |
US5434927A (en) * | 1993-12-08 | 1995-07-18 | Minnesota Mining And Manufacturing Company | Method and apparatus for machine vision classification and tracking |
JP3125550B2 (ja) * | 1993-12-24 | 2001-01-22 | 日産自動車株式会社 | 移動車の前方認識装置ならびに車輌用走行制御装置 |
US5642093A (en) * | 1995-01-27 | 1997-06-24 | Fuji Jukogyo Kabushiki Kaisha | Warning system for vehicle |
JP3437671B2 (ja) * | 1995-03-17 | 2003-08-18 | 株式会社東芝 | ランドマーク認識装置およびランドマーク認識方法 |
JP3419968B2 (ja) * | 1995-09-12 | 2003-06-23 | 株式会社東芝 | 画像認識装置及び方法 |
JP3866328B2 (ja) * | 1996-06-06 | 2007-01-10 | 富士重工業株式会社 | 車両周辺立体物認識装置 |
DE19636028C1 (de) * | 1996-09-05 | 1997-11-20 | Daimler Benz Ag | Verfahren zur Stereobild-Objektdetektion |
JP3619628B2 (ja) * | 1996-12-19 | 2005-02-09 | 株式会社日立製作所 | 走行環境認識装置 |
JP3337197B2 (ja) * | 1997-04-04 | 2002-10-21 | 富士重工業株式会社 | 車外監視装置 |
JP3516856B2 (ja) * | 1998-01-30 | 2004-04-05 | 富士重工業株式会社 | 車外監視装置 |
US6266442B1 (en) * | 1998-10-23 | 2001-07-24 | Facet Technology Corp. | Method and apparatus for identifying objects depicted in a videostream |
-
1999
- 1999-06-11 DE DE19926559A patent/DE19926559A1/de not_active Withdrawn
-
2000
- 2000-06-09 US US10/009,596 patent/US7046822B1/en not_active Expired - Lifetime
- 2000-06-09 EP EP00936874A patent/EP1192597B1/de not_active Expired - Lifetime
- 2000-06-09 JP JP2001503136A patent/JP2003502745A/ja active Pending
- 2000-06-09 DE DE50000984T patent/DE50000984D1/de not_active Expired - Lifetime
- 2000-06-09 ES ES00936874T patent/ES2187476T3/es not_active Expired - Lifetime
- 2000-06-09 WO PCT/EP2000/005337 patent/WO2000077736A1/de active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0558027B1 (de) * | 1992-02-28 | 1997-01-02 | Mitsubishi Denki Kabushiki Kaisha | Entfernungsmesser für Abstand zwischen Fahrzeugen |
DE4308776C2 (de) * | 1992-03-23 | 1997-08-21 | Fuji Heavy Ind Ltd | Einrichtung zum Überwachen des Außenraums eines Fahrzeugs |
DE4211171A1 (de) * | 1992-04-03 | 1993-10-07 | Diehl Gmbh & Co | Verfahren zum Erkennen von interessierenden Mustern |
Cited By (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1251032A3 (de) * | 2001-04-20 | 2008-03-12 | Fuji Jukogyo Kabushiki Kaisha | Apparat und Verfahren zur Erkennung von hinter fahrenden Fahrzeugen |
DE10141730A1 (de) * | 2001-08-25 | 2003-03-06 | Conti Temic Microelectronic | Verfahren zum Schutz lebender Objekte bei einem Zusammenstoß mit einem Fahrzeug sowie ein Fahrzeug mit einer Steuervorrichtung zur Durchführung des Verfahrens |
DE10141730B4 (de) * | 2001-08-25 | 2009-09-03 | Conti Temic Microelectronic Gmbh | Verfahren zum Schutz lebender Objekte bei einem Zusammenstoß mit einem Fahrzeug sowie ein Fahrzeug mit einer Steuervorrichtung zur Durchführung des Verfahrens |
EP1291674A3 (de) * | 2001-09-03 | 2004-02-04 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1291674A2 (de) * | 2001-09-03 | 2003-03-12 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148068A1 (de) * | 2001-09-28 | 2003-04-10 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148071A1 (de) * | 2001-09-28 | 2003-04-17 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148063A1 (de) * | 2001-09-28 | 2003-04-17 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1306690A2 (de) * | 2001-09-28 | 2003-05-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298012A3 (de) * | 2001-09-28 | 2004-02-04 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298454A3 (de) * | 2001-09-28 | 2004-02-04 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1306690A3 (de) * | 2001-09-28 | 2004-02-04 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
DE10148060A1 (de) * | 2001-09-28 | 2003-04-10 | Ibeo Automobile Sensor Gmbh | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298012A2 (de) * | 2001-09-28 | 2003-04-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1298454A2 (de) * | 2001-09-28 | 2003-04-02 | IBEO Automobile Sensor GmbH | Verfahren zur Erkennung und Verfolgung von Objekten |
EP1396833A1 (de) * | 2002-09-05 | 2004-03-10 | Honda Giken Kogyo Kabushiki Kaisha | Fahrzeugsteuerungssystem, -Programm und -Verfahren |
DE10242808B4 (de) | 2002-09-14 | 2018-09-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Erkennung von Hindernissen und/oder Verkehrsteilnehmern |
EP1566060B1 (de) * | 2002-11-16 | 2009-05-27 | Robert Bosch Gmbh | Vorrichtung und verfahren zur verbesserung der sicht in einem kraftfahrzeug |
DE10301634A1 (de) * | 2003-01-17 | 2004-08-05 | Daimlerchrysler Ag | Lokal-adaptive Objekterkennung für digitales Bildmaterial |
DE10301634B4 (de) * | 2003-01-17 | 2006-07-06 | Daimlerchrysler Ag | Lokal-adaptive Objekterkennung für digitales Bildmaterial |
DE102004008867B8 (de) * | 2003-02-22 | 2011-07-28 | Daimler AG, 70327 | Bildverarbeitungssystem für Kraftfahrzeuge |
DE102004008867B4 (de) * | 2003-02-22 | 2011-04-07 | Daimler Ag | Bildverarbeitungssystem für Kraftfahrzeuge |
DE10310849A1 (de) * | 2003-03-11 | 2004-09-30 | Inb Vision Ag | Verfahren zur photogrammmetrischen Abstands- und/oder Positionsbestimmung |
DE10310849B4 (de) * | 2003-03-11 | 2009-01-02 | Inb Vision Ag | Verfahren zur photogrammmetrischen Abstands- und/oder Positionsbestimmung |
DE10312546B3 (de) * | 2003-03-21 | 2004-09-09 | Audi Ag | Kameravorrichtung für ein Fahrzeug und Verfahren zum Betreiben einer Kameravorrichtung |
FR2861488A1 (fr) * | 2003-10-28 | 2005-04-29 | Denso Corp | Dispositif de determination de possibilite de collision |
DE102004001555B4 (de) * | 2004-01-10 | 2018-02-15 | Robert Bosch Gmbh | Verfahren und System für die Spurführung eines Fahrzeugs |
WO2005090124A1 (de) | 2004-02-20 | 2005-09-29 | Daimlerchrysler Ag | Bildverarbeitungssystem für kraftfahrzeuge |
US9916510B2 (en) | 2004-04-08 | 2018-03-13 | Mobileye Vision Technologies Ltd. | Collision warning system |
US9096167B2 (en) | 2004-04-08 | 2015-08-04 | Mobileye Vision Technologies Ltd. | Collision warning system |
US8861792B2 (en) | 2004-04-08 | 2014-10-14 | Mobileye Technologies Ltd. | Collison warning system |
US10579885B2 (en) | 2004-04-08 | 2020-03-03 | Mobileye Vision Technologies Ltd. | Collision warning system |
US8879795B2 (en) | 2004-04-08 | 2014-11-04 | Mobileye Vision Technologies Ltd. | Collision warning system |
US9168868B2 (en) | 2004-04-08 | 2015-10-27 | Mobileye Vision Technologies Ltd. | Collision Warning System |
US9656607B2 (en) | 2004-04-08 | 2017-05-23 | Mobileye Vision Technologies Ltd. | Collision warning system |
WO2005098782A1 (en) * | 2004-04-08 | 2005-10-20 | Mobileye Technologies Limited | Collision warning system |
US7248968B2 (en) | 2004-10-29 | 2007-07-24 | Deere & Company | Obstacle detection using stereo vision |
EP1655620A1 (de) * | 2004-10-29 | 2006-05-10 | Deere & Company | Hinderniserkennung durch Stereovision |
DE102005020731A1 (de) * | 2005-05-04 | 2006-11-09 | Audi Ag | Modelliervorrichtung und Verfahren zum Modellieren einer Umgebung eines Fahrzeugs |
DE102005036782A1 (de) * | 2005-08-02 | 2007-02-15 | Magna Donnelly Gmbh & Co. Kg | Verfahren zum Betrieb eines Bildauswertesystems zur Entfernungsmessung an einem Fahrzeug |
DE102006057552B4 (de) * | 2005-12-07 | 2019-08-29 | Visteon Global Technologies Inc. | System und Verfahren zur Messung des Abstands eines vorausfahrenden Fahrzeugs |
EP1906374A3 (de) * | 2006-09-26 | 2008-11-26 | GM Global Technology Operations, Inc. | Ortungseinrichtung für ein Kraftfahrzeug |
US8270676B2 (en) | 2006-11-27 | 2012-09-18 | Adc Automotive Distance Control Systems Gmbh | Method for automatic full beam light control |
DE102006055908A1 (de) * | 2006-11-27 | 2008-05-29 | Adc Automotive Distance Control Systems Gmbh | Verfahren zur automatischen Fernlichtsteuerung |
DE102007050568A1 (de) * | 2007-08-04 | 2009-02-05 | Continental Teves Ag & Co. Ohg | Verfahren und Einrichtung zur Objekterkennung in einem Bild |
AT505309B1 (de) * | 2007-09-28 | 2008-12-15 | Arc Austrian Res Centers Gmbh | Verfahren zur feststellung von fahrzeugen |
US8917904B2 (en) | 2008-04-24 | 2014-12-23 | GM Global Technology Operations LLC | Vehicle clear path detection |
US8699754B2 (en) | 2008-04-24 | 2014-04-15 | GM Global Technology Operations LLC | Clear path detection through road modeling |
US9852357B2 (en) | 2008-04-24 | 2017-12-26 | GM Global Technology Operations LLC | Clear path detection using an example-based approach |
DE102009016819B4 (de) * | 2009-04-09 | 2011-12-15 | Carl Zeiss Optronics Gmbh | Verfahren zur Detektion wenigstens eines Objekts und/oder wenigstens einer Objektgruppe, Computerprogramm, Computerprogammprodukt, Stereokameraeinrichtung, aktiv Strahlung aussendendes Bildsensorsystem und Überwachungsvorrichtung |
DE102009016819A1 (de) * | 2009-04-09 | 2010-11-04 | Carl Zeiss Optronics Gmbh | Verfahren zur Detektion wenigstens eines Objekts und/oder wenigstens einer Objektgruppe, Computerprogramm, Computerprogammprodukt, Stereokameraeinrichtung, aktiv Strahlung aussendendes Bildsensorsystem und Überwachungsvorrichtung |
DE102009033124A1 (de) * | 2009-07-15 | 2011-01-27 | Audi Ag | Verfahren zur Ermittlung eines Ein- oder Ausschervorgangs eines dem eigenen Kraftfahrzeug vorausfahrenden Fahrzeugs |
DE102010018038B4 (de) | 2010-04-23 | 2023-08-10 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Warnen eines Fahrers eines Fahrzeugs vor der Anwesenheit von Objekten in einem Totwinkelbereich und entsprechende Fahrerassistenzeinrichtung |
DE102010018038A1 (de) * | 2010-04-23 | 2011-10-27 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Warnen eines Fahrers eines Fahrzeugs vor der Anwesenheit von Objekten in einem Totwinkelbereich und entsprechende Fahrerassistenzeinrichtung |
DE102011005780B4 (de) | 2011-03-18 | 2022-06-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung einer Entfernung zwischen einem Fahrzeug und einem Objekt |
DE102011100820A1 (de) * | 2011-05-07 | 2012-11-08 | Connaught Electronics Ltd. | Verfahren zum Detektieren eines Hindernisses in der Umgebung eines Kraftfahrzeugs, Fahrerassistenzeinrichtung und Kraftfahrzeug |
DE112012001318B4 (de) | 2011-05-11 | 2023-09-21 | Continental Autonomous Mobility Germany GmbH | Redundante Objektdetektion für Fahrerassistenzsysteme |
DE102011054852A1 (de) * | 2011-07-30 | 2013-01-31 | Götting KG | Verfahren zur Erfassung und Bewertung einer Ebene |
DE102011087894A1 (de) * | 2011-12-07 | 2013-06-13 | Robert Bosch Gmbh | Verfahren und Fahrzeugassistenzsystem zur aktiven Warnung und/oder zur Navigationshilfe zur Vermeidung einer Kollision eines Fahrzeugkarosserieteils und/oder eines Fahrzeugrades mit einem Objekt |
DE102012020778A1 (de) | 2012-10-23 | 2014-04-24 | Audi Ag | Verfahren zum Labeln einer Sequenz von in zeitlicher Abfolge aufgenommenen Bildern mit integrierter Qualitätsprüfung |
DE102013021840A1 (de) * | 2013-12-21 | 2015-06-25 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erzeugen eines Umgebungsmodells eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug |
US10325171B2 (en) | 2014-05-19 | 2019-06-18 | Honda Motor Co., Ltd. | Object detection device, driving assistance device, object detection method, and object detection program |
DE102014219422A1 (de) * | 2014-09-25 | 2016-03-31 | Conti Temic Microelectronic Gmbh | Automatische Kamerasichtfeldanpassung und Synchronisation |
DE102014219422B4 (de) | 2014-09-25 | 2023-06-15 | Continental Autonomous Mobility Germany GmbH | Fahrerassistenzsystem für ein Fahrzeug und ein Verfahren zum Anpassen eines Bildbereichs eines Bildes für ein Fahrerassistenzsystem |
US10913455B2 (en) | 2016-07-06 | 2021-02-09 | Audi Ag | Method for the improved detection of objects by a driver assistance system |
WO2018007171A1 (de) * | 2016-07-06 | 2018-01-11 | Audi Ag | Verfahren zum verbesserten erkennen von objekten durch ein fahrerassistenzsystem |
DE102016225866B4 (de) | 2016-12-21 | 2023-03-16 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Warneinrichtung eines Schienenfahrzeugs |
DE102016225866A1 (de) * | 2016-12-21 | 2018-06-21 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Warneinrichtung eines Schienenfahrzeugs |
US11132560B2 (en) | 2017-09-07 | 2021-09-28 | Audi Ag | Method for evaluating an optical appearance in the surroundings of a vehicle, and vehicle |
WO2019048554A1 (de) * | 2017-09-07 | 2019-03-14 | Audi Ag | Verfahren zum auswerten eines optischen erscheinungsbildes in einer fahrzeugumgebung und fahrzeug |
WO2020061605A3 (de) * | 2018-09-26 | 2020-06-18 | Qinematiq Gmbh | Verfahren zum fokussieren einer kamera |
DE102019216548A1 (de) * | 2019-10-28 | 2021-04-29 | DeepUp GmbH | Verfahren und mobile Erfassungsvorrichtung zur Erfassung von Infrastrukturelementen eines unterirdischen Leitungsnetzwerks |
WO2022002604A1 (de) * | 2020-06-30 | 2022-01-06 | Robert Bosch Gmbh | Vermeidung von fehldetektionen einer objekterkennung |
DE102021107904A1 (de) | 2021-03-29 | 2022-09-29 | Conti Temic Microelectronic Gmbh | Verfahren und System zur Bestimmung der Bodenebene mit einem künstlichen neuronalen Netz |
EP4068223A1 (de) * | 2021-03-29 | 2022-10-05 | Conti Temic microelectronic GmbH | Verfahren und system zur bestimmung der bodenebene mit einem künstlichen neuronalen netz |
DE102022113001A1 (de) | 2022-05-24 | 2023-11-30 | Bayerische Motoren Werke Aktiengesellschaft | Lichtassistenzsystem, Fahrzeug und Verfahren zum Steuern eines Scheinwerfers eines Fahrzeuges |
Also Published As
Publication number | Publication date |
---|---|
EP1192597B1 (de) | 2002-12-18 |
ES2187476T3 (es) | 2003-06-16 |
US7046822B1 (en) | 2006-05-16 |
WO2000077736A1 (de) | 2000-12-21 |
JP2003502745A (ja) | 2003-01-21 |
EP1192597A1 (de) | 2002-04-03 |
DE50000984D1 (de) | 2003-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1192597B1 (de) | Verfahren zur detektion von objekten im umfeld eines strassenfahrzeugs bis in grosse entfernung | |
DE102006012914B4 (de) | System und Verfahren zur Bestimmung des Abstands zu einem vorausfahrenden Fahrzeug | |
DE102009009815B4 (de) | Verfahren und Vorrichtung zur Erkennung von Parklücken | |
DE69736764T2 (de) | Lokales Positionierungsgerät und Verfahren dafür | |
DE19636028C1 (de) | Verfahren zur Stereobild-Objektdetektion | |
DE102015203016B4 (de) | Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld | |
DE102014012285A1 (de) | Verfahren und Achsenzähl-Vorrichtung zur berührungslosen Achsenzählung eines Fahrzeugs sowie Achsenzählsystem für den Straßenverkehr | |
DE102012221563B4 (de) | Funktionsdiagnose und validierung eines fahrzeugbasierten bildgebungssystems | |
EP2116958B1 (de) | Verfahren und Vorrichtung zum Ermitteln des Fahrbahnverlaufs im Bereich vor einem Fahrzeug | |
DE102015206144A1 (de) | Verfahren und Vorrichtung zum sicheren Abstellen eines Fahrzeuges | |
EP1589484A1 (de) | Verfahren zur Erkennung und/oder Verfolgung von Objekten | |
EP2629243A1 (de) | Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen | |
WO2007033870A1 (de) | Verfahren und fahrerassistenzsystem zur sensorbasierten anfahrtsteuerung eines kraftfahrzeugs | |
DE102014117102B4 (de) | Spurwechselwarnsystem und Verfahren zum Steuern des Spurwechselwarnsystems | |
WO2013029722A2 (de) | Verfahren zur umgebungsrepräsentation | |
DE102012112104A1 (de) | Verfahren und vorrichtung zur befahrbarkeitsanalyse | |
DE102013012930A1 (de) | Verfahren zum Bestimmen eines aktuellen Abstands und/oder einer aktuellen Geschwindigkeit eines Zielobjekts anhand eines Referenzpunkts in einem Kamerabild, Kamerasystem und Kraftfahrzeug | |
EP3193276B1 (de) | Erfassungsvorrichtung und verfahren zum erkennen von fahrzeugachsen | |
DE102018121158A1 (de) | Verfahren zum Erfassen von Bodenabtastpunkten und Fahrerunterstützungssystem, das dafür konfiguriert ist, ein derartiges Verfahren auszuführen | |
EP3704631A2 (de) | Verfahren zur ermittlung einer entfernung zwischen einem kraftfahrzeug und einem objekt | |
DE102019211459B4 (de) | Verfahren und Vorrichtung zum Überprüfen einer Kalibrierung von Umfeldsensoren | |
DE102016118538A1 (de) | Verfahren zum Klassifizieren eines Verkehrszeichens in einem Umgebungsbereich eines Kraftfahrzeugs, Rechenvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug | |
DE102009044284A1 (de) | Verfahren und Vorrichtung zur Fahrspurerkennung | |
DE102018107212A1 (de) | Verfahren zum Erfassen eines Verkehrsbereichs-Belegungserkennungs-Hilfselements in einem Umgebungsbereich eines Kraftfahrzeugs, Computerprogrammprodukt sowie Fahrzeugführungssystem | |
DE102017216802A1 (de) | Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8130 | Withdrawal |