• Media type: E-Book; Electronic Thesis; Bachelor Thesis
  • Title: Hindernis- und Kreuzungserkennung auf autonomen Fahrzeugen durch Kamera und Infrarotsensorik
  • Contributor: Heck, Waldemar [Author]
  • imprint: REPOSIT HAW Hamburg, 2013-10-15
  • Language: German
  • DOI: https://doi.org/20.500.12738/6182
  • Keywords: autonomes Fahrzeug ; FAUST ; Bildverarbeitung ; Hinderniserkennung ; Kreuzungserkennung
  • Origination:
  • Footnote: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Description: In dieser Arbeit werden Verfahren zur Hindernis- und Kreuzungserkennung für ein autonomes Modelfahrzeug entwickelt. Dies geschieht innerhalb des Forschungsprojektes FAUST der HAW Hamburg. Eingesetzt wird das Fahr-zeug im Carolo-Cup Wettbewerb der Technischen Universität Braunschweig. Als Sensoren werden eine monochrome 0,36 Megapixel Kamera und Infrarot-Entfernungsmesser verwendet. Die statischen und dynamischen Hindernisse auf dem Rundkurs werden mittels Infrarotsensoren erkannt und mit der Fahrzeugkamera verifiziert. Eine Straßenkreuzung wird anhand der Haltelinie erkannt. Hindernisse und Haltelinie unterscheiden sich in ihren Grauwerten signifikant von der Fahrbahn. Um diese im Kamerabild zu erfassen wird eine ROI (Region Of Interest = Bereich von Interesse) in das Bild gelegt. Die ROI passt sich während der Fahrt dynamisch der Fahrbahn an. Innerhalb der ROI werden Bildpixel dann entsprechend ihrem Grauwert klassifiziert und entwe-der den Hindernissen, der Haltelinie oder der Fahrbahn zugewiesen. ; For the Carolo-Cup competition of the Technical University of Braunschweig methods for obstacle and crossing detection on an autonomous vehicle have been developed in this thesis. The autonomous vehicle is being developed as part of the FAUST research project (FAUST stands for Driver Assistance and Autonomous Systems) at the University of Applied Sciences in Hamburg. As sensors, a 0.36 megapixel monochrome camera and infrared rangefinders are used. The static and dynamic obstacles on the road are detected by infrared sensors and verified with the vehicle camera. A crossing is detected by stop line. The grayscale values of obstacles and stop line differ significantly from the road surface. To recognize them a region of interest (ROI) is placed into the camera image. The ROI adapts dynamically the road while the vehicle is driving. Inside the ROI pixels are classified according their grayscale value and assigned to the obstacles, the stop line or the road.
  • Access State: Open Access
  • Rights information: In Copyright