Show simple item record

AuthorSchweiger, Rolanddc.contributor.author
Date of accession2016-03-15T09:03:44Zdc.date.accessioned
Available in OPARU since2016-03-15T09:03:44Zdc.date.available
Year of creation2012dc.date.created
AbstractSeit dem Jahr 2002 werden nachts ca. 100.000 Unfälle jährlich mit Personenschaden auf deutschen Straßen registriert. Obwohl sich nur 28 % dieser Unfälle in der Nacht ereignen, liegt der Anteil der tödlich Verunglückten mit 42 % sehr hoch. Fahrerassistenzsysteme zur automatischen Detektion von Fußgängern sollen den Fahrer helfen, gefährliche Situationen in der Dunkelheit besser zu beurteilen und früher auf Personen zu reagieren. Diese Systeme erfordern neben der notwendigen Sicherheit sehr hohe Detektionsleistungen, um die Fahrzeugumgebung vollständig zu erfassen. Um den Ansprüchen "schneller, höher, weiter" für Fahrerassistenzsysteme im High-End-Segment zu genügen, reicht dabei ein Sensor nicht mehr aus. Gegenstand dieser Arbeit ist die Realisierung eines echtzeitfähigen Fusionssystems mehrerer Sensoren zur Fußgängererkennung in einem warnenden Nachtsichtsystem. Die Erkennung der Fußgänger erfolgt dabei auf Basis einer Nahinfrarot-Kamera sowie eines Wärmebildsensors. Die Verknüpfung beider Sensoren findet auf der Merkmalsebene statt, die es ermöglicht, zu einer signifikanten Repräsentation der gesuchten Objekte zu gelangen, um somit die gesteigerte Komplexität zu erfassen. Die Auswahl und Parametrisierung der Merkmale erfolgt dabei mit dem AdaBoost-Algorithmus. Durch den unterschiedlichen Einbauort der Kameras und das dadurch entstehende Parallaxeproblem war bisher eine gezielte Fusion auf Merkmalsebene nur unter hohem Rechenaufwand möglich. Um dieser Problematik Rechnung zu tragen und dennoch die Echtzeitfähigkeit des Systems sicher zu stellen, wurden Suchstrategien entwickelt, die die Eigenschaften der eingesetzten Klassifikatoren gezielt ausnutzen. Dazu wurden erstmals Rückschlusswahrscheinlichkeiten aus einer AdaBoost-Kaskade abgeleitet, die auch eine dynamische, zeitlich gefilterte Suchstrategie ermöglichen. Damit kann ein Fusionssystem realisiert werden, das - bei besserer Detektionsleistung - nicht mehr Rechenaufwand benötigt als ein Einzelsensorsystem.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseStandarddc.rights
Link to license texthttps://oparu.uni-ulm.de/xmlui/license_v3dc.rights.uri
KeywordAdaBoostdc.subject
KeywordFußgängererkennungdc.subject
KeywordNachtsichtdc.subject
Dewey Decimal GroupDDC 620 / Engineering & allied operationsdc.subject.ddc
LCSHDriver assistance systemsdc.subject.lcsh
LCSHVehicles; Trackingdc.subject.lcsh
TitleEchtzeitfähiges Fusionssystem zur Fußgängererkennung bei Nachtdc.title
Resource typeDissertationdc.type
DOIhttp://dx.doi.org/10.18725/OPARU-2457dc.identifier.doi
PPN733853048dc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-vts-83281dc.identifier.urn
GNDFahrerassistenzsystemdc.subject.gnd
GNDFIRdc.subject.gnd
GNDFusiondc.subject.gnd
GNDKlassifikationdc.subject.gnd
GNDMustererkennungdc.subject.gnd
GNDNIRdc.subject.gnd
FacultyFakultät für Ingenieurwissenschaften und Informatikuulm.affiliationGeneral
Date of activation2012-12-20T08:41:20Zuulm.freischaltungVTS
Peer reviewneinuulm.peerReview
Shelfmark print versionW: W-H 13.142uulm.shelfmark
DCMI TypeTextuulm.typeDCMI
VTS-ID8328uulm.vtsID
CategoryPublikationenuulm.category
University Bibliographyjauulm.unibibliographie


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record