Advertisement

Kamera-Hardware

  • Martin Punke
  • Stefan Menzel
  • Boris Werthessen
  • Nicolaj Stache
  • Maximilian Höpfl
Chapter
Part of the ATZ/MTZ-Fachbuch book series (ATZMTZ)

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. 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. 2.
    Homepage der Firma Delphi: http://delphi.com/manufacturers/auto/safety/active/racam/, Zugriff am 10.01.2014
  3. 3.
    Homepage der Firma Gentex: http://www.gentex.com/automotive/products/forward-driving-assist, Zugriff am 10.01.2014
  4. 4.
    Källhammer, J.: Night Vision: Requirements and possible roadmap for FIR and NIR systems. Proc. SPIE 6198, 61980 F (2006)CrossRefGoogle Scholar
  5. 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. 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. 7.
    Homepage der Firma Daimler: http://www.mercedes-benz.com/de/, Zugriff am 10.01.2014
  8. 8.
    ISO/DIS 16505: Road vehicles – Ergonomic and performance aspects of Camera‐Monitor Systems – Requirements and test proceduresGoogle Scholar
  9. 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. 10.
    Homepage der MIPI‐Alliance: http://www.mipi.org/specifications/camera-interface, Zugriff am 10.01.2014
  11. 11.
    Fischer, R.: Optical System Design. McGraw‐Hill, New York (2008)Google Scholar
  12. 12.
    Sinha, P.K.: Image Aquisition and Preprocessing for Machine Vision Systems. SPIE Press, Washington (2012)CrossRefGoogle Scholar
  13. 13.
    Hecht, E.: Optics. Addison Wesley Longman, New York (1998)Google Scholar
  14. 14.
    Reinhard, E., Khan, E., Akyüz, A., Johnson, G.: Color Imaging. A. K. Peters, Wellesley (2008)Google Scholar
  15. 15.
    Miller, J., Murphey, Y., Khairallah, F.: Camera performance considerations for automotive applications. Proc. SPIE 5265, 163 (2004)CrossRefGoogle Scholar
  16. 16.
    El Gamal, A., Eltoukhy, H.: CMOS image sensors. IEEE Circuits and Devices Magazine 21(3), 6 (2005)CrossRefGoogle Scholar
  17. 17.
    Holst, G., Lomheim, T.: CMOS/CCD Sensors and Camera Systems. SPIE Press, Washington (2011)Google Scholar
  18. 18.
    Yadid-Pecht, O., Etienne-Cummings, R.: CMOS Imagers: From phototransduction to image processing. Kluwer Academic Publishers, Dordrecht (2004)CrossRefGoogle Scholar
  19. 19.
    Fiete, R.: Modelling the Imaging Chain of Digital Cameras. SPIE Press, Washington (2010)Google Scholar
  20. 20.
    Theuwissen, A.: Course ″Digital Camera Systems″ – Hand out, CEI.se, Finspong, 2008Google Scholar
  21. 21.
    Darmont, A.: High Dynamic Range Imaging, Sensors and Architectures. SPIE Press, Washington (2012)CrossRefGoogle Scholar
  22. 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. 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. 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. 25.
    Baxter, D.: A Line Based HDR Sensor Simulator for Motion Artifact Prediction. Proc. of SPIE 8653, 86530 F (2013)CrossRefGoogle Scholar
  26. 26.
    ISO 26262: Road vehicles – Functional safetyGoogle Scholar
  27. 27.
    Nakamura, J.: Image Sensors and Signal Processing for Digital Still Cameras. CRC Press, Boca Raton (2006)Google Scholar
  28. 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. 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. 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

Authors and Affiliations

  • Martin Punke
    • 2
  • Stefan Menzel
    • 1
  • Boris Werthessen
    • 2
  • Nicolaj Stache
  • Maximilian Höpfl
  1. 1.Continental AGLindauDeutschland
  2. 2.Continental AGLindauDeutschland

Personalised recommendations