Handbuch Fahrerassistenzsysteme pp 347-368 | Cite as
Kamera-Hardware
Chapter
First Online:
- 34k Downloads
Zusammenfassung
Heutige Verkehrsumgebungen wie Verkehrs- und Hinweiszeichen, Fahrbahnmarkierungen und Fahrzeuge sind für die Wahrnehmung mit dem menschlichen Auge ausgelegt (auch wenn erste Ansätze zur automatischen Beurteilung durch elektronische Sensorsysteme im Fahrzeug existieren, siehe Kap. 51). Dies geschieht beispielsweise durch unterschiedliche Formen, Farben oder eine temporale Änderung der Signale.
Es liegt daher nahe, auch für die maschinelle Wahrnehmung die Umwelt ähnlich wie das menschliche Auge zu erkunden. Hierzu sind Kamerasysteme imstande, da sie eine vergleichbare spektrale, räumliche und temporale Auflösung bieten. Zusätzlich zur „Nachbildung“ des menschlichen Sehens können bestimmte Kamerasysteme Zusatzfunktionen bieten, u. a. Aufnahmen in anderen Spektralbereichen für Nachtsichtfunktionen oder eine Entfernungsmessung.
Literatur
- 1.Loce, R., Berna, I., Wu, W., Bala, R.: Computer vision in roadway transportation systems: a survey. J. Electron. Imaging 22(4), 041121 (2013)CrossRefGoogle Scholar
- 2.Homepage der Firma Delphi: http://delphi.com/manufacturers/auto/safety/active/racam/, Zugriff am 10.01.2014
- 3.Homepage der Firma Gentex: http://www.gentex.com/automotive/products/forward-driving-assist, Zugriff am 10.01.2014
- 4.Källhammer, J.: Night Vision: Requirements and possible roadmap for FIR and NIR systems. Proc. SPIE 6198, 61980 F (2006)CrossRefGoogle Scholar
- 5.Stein, G., Gat, I., Hayon, G.: Challenges and Solutions for Bundling Multiple DAS Applications on a Single Hardware platform. Israel Computer Vision Day (2008)Google Scholar
- 6.Raphael, E., Kiefer, R., Reisman, P., Hayon, G.: Development of a camera‐based forward collision alert system. SAE Int. J. Passeng. Cars – Mech. Syst. 4(1), 467 (2011)Google Scholar
- 7.Homepage der Firma Daimler: http://www.mercedes-benz.com/de/, Zugriff am 10.01.2014
- 8.ISO/DIS 16505: Road vehicles – Ergonomic and performance aspects of Camera‐Monitor Systems – Requirements and test proceduresGoogle Scholar
- 9.Hertel, D.: Extended use of incremental signal‐to‐noise ratio as reliability criterion for multiple‐slope wide‐dynamic‐range image capture. Journal of Electronic Imaging 19(1), 011007 (2010)CrossRefGoogle Scholar
- 10.Homepage der MIPI‐Alliance: http://www.mipi.org/specifications/camera-interface, Zugriff am 10.01.2014
- 11.Fischer, R.: Optical System Design. McGraw‐Hill, New York (2008)Google Scholar
- 12.Sinha, P.K.: Image Aquisition and Preprocessing for Machine Vision Systems. SPIE Press, Washington (2012)CrossRefGoogle Scholar
- 13.Hecht, E.: Optics. Addison Wesley Longman, New York (1998)Google Scholar
- 14.Reinhard, E., Khan, E., Akyüz, A., Johnson, G.: Color Imaging. A. K. Peters, Wellesley (2008)Google Scholar
- 15.Miller, J., Murphey, Y., Khairallah, F.: Camera performance considerations for automotive applications. Proc. SPIE 5265, 163 (2004)CrossRefGoogle Scholar
- 16.El Gamal, A., Eltoukhy, H.: CMOS image sensors. IEEE Circuits and Devices Magazine 21(3), 6 (2005)CrossRefGoogle Scholar
- 17.Holst, G., Lomheim, T.: CMOS/CCD Sensors and Camera Systems. SPIE Press, Washington (2011)Google Scholar
- 18.Yadid-Pecht, O., Etienne-Cummings, R.: CMOS Imagers: From phototransduction to image processing. Kluwer Academic Publishers, Dordrecht (2004)CrossRefGoogle Scholar
- 19.Fiete, R.: Modelling the Imaging Chain of Digital Cameras. SPIE Press, Washington (2010)Google Scholar
- 20.Theuwissen, A.: Course ″Digital Camera Systems″ – Hand out, CEI.se, Finspong, 2008Google Scholar
- 21.Darmont, A.: High Dynamic Range Imaging, Sensors and Architectures. SPIE Press, Washington (2012)CrossRefGoogle Scholar
- 22.Solhusvik, J., Yaghmai, S., Kimmels, A., Stephansen, C., Storm, A., Olsson, J., Rosnes, A., Martinussen, T., Willassen, T., Pahr, P., Eikedal, S., Shaw, S., Bhamra, R., Velichko, S., Pates, D., Datar, S., Smith, S., Jiang, L., Wing, D., Chilumula, A.: A 1280×960 3.75um pixel CMOS imager with Triple Exposure HDR. In: Proc. of 2009 International Image Sensor Workshop (2009)Google Scholar
- 23.Solhusvik, J., Kuang, J., Lin, Z., Manabe, S., Lyu, J., Rhodes, H.: A Comparison of High Dynamic Range CIS Technologies for Automotive Applications. In: Proc. of 2013 International Image Sensor Workshop (2013)Google Scholar
- 24.Brainard, D.: Bayesian method for reconstructing color images from trichromatic samples. In: Proceedings of the IS&T 47th Annual Meeting (1994)Google Scholar
- 25.Baxter, D.: A Line Based HDR Sensor Simulator for Motion Artifact Prediction. Proc. of SPIE 8653, 86530 F (2013)CrossRefGoogle Scholar
- 26.ISO 26262: Road vehicles – Functional safetyGoogle Scholar
- 27.Nakamura, J.: Image Sensors and Signal Processing for Digital Still Cameras. CRC Press, Boca Raton (2006)Google Scholar
- 28.Tsai, R.: A versatile camera calibration technique for high‐accuracy 3D machine vision metrology using off‐the‐shelf TV cameras and lenses. IEEE Journal of Robotics and Automation 3(4), 323 (1987)CrossRefGoogle Scholar
- 29.Civera, J., Bueno, D., Davison, A., Montiel, J.: Camera Self‐Calibration for Sequential Bayesian Structure From Motion. In: Camera Self‐Calibration for Sequential Bayesian Structure From Motion (2009)Google Scholar
- 30.Zhang, Z.: Determining the Epipolar Geometry and its Uncertainty: A Review. International Journal of Computer Vision 27(2), 161 (1998)CrossRefGoogle Scholar
Copyright information
© Springer Fachmedien Wiesbaden 2015