180 likes | 255 Views
Digitale Bildkorrektur in Fahrerassistenzsystemen INB Vision AG. gefördert durch:. Ständig steigende Verkehrsdichte. Entwicklung des Personenverkehrs nach Verkehrszweigen Quelle: BMVBW. Kameragestützte Fahrerassistenzsysteme. Stetige Forderung nach Erhöhung der Verkehrsicherheit!.
E N D
Digitale Bildkorrektur in FahrerassistenzsystemenINB Vision AG gefördert durch:
Ständig steigende Verkehrsdichte Entwicklung des Personenverkehrs nach Verkehrszweigen Quelle: BMVBW Kameragestützte Fahrerassistenzsysteme Stetige Forderung nach Erhöhung der Verkehrsicherheit!
Sehen nach innen • Aufmerksamkeits- und Ermüdungswahrnehmung • Fahreridentifikation • Intelligenter Airbag
Sehen nach aussen • Einparken • Spurwechselkontrolle • Nachtsichtunterstützung • Kollisionsvermeidung • Verkehrszeichenerkennung
Sehen in der Verkehrsumgebung Quelle: Elektronik Automotive Telematische Vernetzung aller verkehrsüberwachenden Systeme
Beispielapplikation: Rückraumüberwachung flexibles Fahrerassistenzsystem Warnung vor gefährlichen Fahrmanövern Entlastung von monotonen Überwachungsaufgaben Eingriff in die Fahrzeugführung - Rückraumüberwachung - Strategieplanung (Überholmanöver) - Zusammenwirken mit der Fahrspurerkennung - Hindernis- und Fahrzeug- erkennung
perspektivisch ca. 20 Kamerasim Fahrzeug Meßtechnische Mobil-Vision-Applikationen erfordern präzise Meßobjektive Kosten: ca 1000 €/Stck !!!) Kostenfaktor Mobile-Vision preiswertere Objektive !? Lösungsansatz:
Ortsvariante Fehler verhindern die Anwendung der klassischen Methoden der Bildrestauration! Lösung: Digitale Bildkorrektur für optische Systeme in Mobil-Vision Fehler durch preiswerte Optik Regelmäßiges Streifenmuster mit einer Zeilenkamera aufgenommen: • Ortsvariante Bildfehler: • Rauschen • Defokussierung (unscharfe Kanten) • geometrische Verzeichnungen • ungleichmäßige Ausleuchtung.
Restaurationsvorgang auf beliebige andere (mit demselben System unter den gleichen Aufnahmebedingungen gewonnene) Bilder anwendbar! Lernvorlage Reale Bildszene Digitale Bildkorrektur • Anlernen eines künstlichen neuronalen Netzes mit geeigneten Lernvorlagen • Nach dem Anlernen ortsvariante Restauration des vom Bildaufnahmesystem • gestörten Abbildes der Lernvorlage
Echtzeitrealisierung nur als Hardware möglich! Digitale Bildkorrektur Das Verfahren der digitalen Bildkorrektur läßt sichals Bildvorverarbeitung in bestehende Bild-aufnahmesysteme integrieren und kann die Fehler dieser nach einem Anlernvorgang korrigieren. ABER: • Extremer Rechenaufwand notwendig ! • universelle Prozessoren (x86) an Leistungsgrenze • Alternative: Hardwarelösung (Chipdesign)
Interaktion mit dem Fahrer Systemkonzept
Lösungsansatz: Hardwarenahe Implementierung bzw. vollständige Portierung algorithmischer Lösungen Beispiel: Intelligenter Optischer Abstandssensor Projektpartner: Universität Magdeburg, IESK INB Vision AG, Magdeburg Krüger & Gothe GmbH, Stassfurt Basisforderungen an innovative Automotive-Technologien • Robustheit und Zuverlässigkeit • Gewichts- und Volumenbeschränkung • geringe Kosten