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 Entfernung

Info

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Withdrawn
Application number
DE19926559A
Other languages
English (en)
Inventor
Carsten Knoeppel
Uwe Regensburger
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Daimler AG
Original Assignee
DaimlerChrysler AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DaimlerChrysler AG filed Critical DaimlerChrysler AG
Priority to DE19926559A priority Critical patent/DE19926559A1/de
Priority to JP2001503136A priority patent/JP2003502745A/ja
Priority to ES00936874T priority patent/ES2187476T3/es
Priority to PCT/EP2000/005337 priority patent/WO2000077736A1/de
Priority to EP00936874A priority patent/EP1192597B1/de
Priority to US10/009,596 priority patent/US7046822B1/en
Priority to DE50000984T priority patent/DE50000984D1/de
Publication of DE19926559A1 publication Critical patent/DE19926559A1/de
Withdrawn legal-status Critical Current

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.
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.
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.
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.
DE19926559A 1999-06-11 1999-06-11 Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung Withdrawn DE19926559A1 (de)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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