Advertisement

Objekterkennung in Verkehrsszenen auf Transputern

  • B. Blöchl
  • L. Tsinas
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Seit etwa 1978 ist die interpretierende Bildverarbeitung zur Bewegungssteuerung in Echtzeit zentraler Forschungsgegenstand am Institut für Meßtechnik. Wesentlicher Bestandteil des Forschungsschwerpunkts “Autonome Systeme” ist ein automatischer Kopilot für die Unterstützung des Fahrers eines Personen- oder Lastkraftwagens auf mehrspurigen Autobahnen. Voraussetzung für die Einsetzbarkeit eines automatischen Kopiloten ist seine Fähigkeit, Verkehrssituationen in Echtzeit zu interpretieren und auszuwerten, d.h. Objekte zu erkennen und zu beurteilen sowie abhängig von der Situationsbewertung sinnvoll und angemessen zu reagieren. Die Anwendung eines solchen Systems kann von der Unterstützung des menschlichen Fahrers bis zum weitgehend autonomen Fahren gehen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Blöchl, B.; Behrends, J.-U. (1991): Link-Verbindung eines Multiprozessor-Bildverarbeitungssystems mit einem Transputercluster. In Grebe, R., & Baumann, M. (Hrsg.) Parallele Datenverarbeitung mit dem Transputer (pp. 178–185). Berlin: Springer.Google Scholar
  2. Blöchl, B. (1992): Coarsely Grained Multiprocessor Image Processing System Coupled with a Transputer Network. In R. Trappel (Ed.), Cybernetics and System Research ’92-Vol.2 (pp. 1423–1429). London: World Scientific.Google Scholar
  3. Blöchl, B. and Tsinas, L. (1992a): Object Recognition in Traffic Scenes by Neural Networks. Intemational Congress on Artificial Neural Networks. In I. Aleksander and J. Taylor (Edts.), Artificial Neural Networks Volume 2 (pp. 1671–1674). Amsterdam: North-Holland.Google Scholar
  4. Blöchl, B. and Tsinas, L. (1992b): A Simulated Neural Network for Object Recognition in Real-time. Paper presented at the Irish Conference on Artificial Intelligence and Cognitive Systems, AICS’92 Limerick, September 1992. Proceedings in print by Springer.Google Scholar
  5. Diekmanns, E.D.; Graefe, V. (1988): Dynamic Monocular Machine Vision. Machine Vision and Applications 1 (1988), pp 223–261.CrossRefGoogle Scholar
  6. Dickmanns, E.D.; Christians, Th. (1989): Relative 3-D State Estimation for Autonomous Visual Guidance of Road Vehicles. Proceedings, Intelligent Autonomous Systems. Amsterdam.xxxGoogle Scholar
  7. Efenberger, W.; Ta, Q; Tsinas, L.; Graefe, V. (1992): Automatic Recognition of Vehicles Approaching from Behind. Workshop on Intelligent Vehicles. Detroit, July.Google Scholar
  8. Graefe, V. (1984): Two Multi-Processor Systems for Low-Level Real-Time Vision. In J. M. Brady, L. A. Gerhardt and H. F. Davidson (eds.): Robotics and Artificial Intelligence, Springer-Verlag, xxx pp 301–308.CrossRefGoogle Scholar
  9. Graefe, V. (1989): Dynamic Vision System for Autonomous Mobile Robots. Proceedings, IEEE/RSJ International Workshop on Intelligent Robots and Systems, IROS’89. Tsukuba, pp 12–23.Google Scholar
  10. Graefe, V. (1990): The BVV-Family Of Robot Vision Systems. In O. Kaynak (ed.): Proceedings of the IEEE Workshop on Intelligent Motion Control. Istanbul, pp IP55-IP65.Google Scholar
  11. Graefe, V. (1991): Robot Vision Based on Coarsely-Grained Multi-Processor Systems. In R. Vichnevetzky, J.J.H. Miller (eds.): Proceedings, IMACS World Congress. Dublin, pp 755–756.Google Scholar
  12. Graefe, V.; Blöchl, B. (1991): Visual Recognition of Traffic Situations for an Intelligent Automatic Copilot. PROMETHEUS Workshop. München, xxx Oct. 1991.Google Scholar
  13. Graefe, V.; Jacobs, U. (1991): Detection of Passing Vehicles by a Robot Car Driver. IEEE/RSJ International Workshop on Intelligent Robots and Systems IROS’91. Osaka, xxx November.Google Scholar
  14. Graefe, V. (1992): Driveriess Highway Vehicles. International Hi-Tech Forum. Osaka, xxx March 1992.Google Scholar
  15. Regensburger, U; Graefe, V. (1990): Object Classification for Obstacle Avoidance. Proceedings of the SPIE Symposium on Advances in Intelligent Systems. Boston, xxx November.Google Scholar
  16. Kuhnert, K.-D.(1988): Zur Echtzeit-Bildfolgenanalyse mit Vorwissen. Dissertation, Fakultät für Luft- und Raumfahrttechnik der Universität der Bundeswehr München, xxx 1988.Google Scholar
  17. Solder, U; Graefe, V. (1990): Object Detection in Real Time. Proceedings of the SPIE Symposium on Advances in Intelligent Systems. Boston, November.Google Scholar
  18. Tsinas, L.; Graefe, V. (1992): Automatic Recognition of Lanes for Highway Driving. IFAC/IMACS/IEEE/IUTAM Workshop on Motion Control for Intelligent Automation. Perugia, xxx October.Google Scholar
  19. Wershofen, K. P.; Graefe, V. (1991): A Real-Time Multiple Lane Tracker for an Autonomous Road Vehicle. EURISCON. Corfu, June.Google Scholar
  20. Wershofen, K. P. (1992): Real-Time Road Scene Classification Based on a Multiple Lane Tracker. IECON. San Diego, xxx November.Google Scholar
  21. Zapp, A. (1988): Automatische Straßenfahrzeugführung durch Rechnersehen. Dissertation, Fakultät für Luft und Raumfahrttechnik der Universität der Bundeswehr München.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1993

Authors and Affiliations

  • B. Blöchl
    • 1
  • L. Tsinas
    • 1
  1. 1.Fakultät für Luft- und Raumfahrttechnik Institut für MeßtechnikUniversität der Bundeswehr MünchenNeubibergDeutschland

Personalised recommendations