Existierende Ansätze zur Fahrbahnerkennung arbeiten — vermutlich prinzipbedingt — auf jeweils nur kleinen Teilmengen der möglichen Fahrbahnkonfigurationen robust. Ein Schlüssel auf dem Weg zu allgemeingültig arbeitenden Verfahren liegt in der massiven Erhöhung der Menge des im Schätzprozess genutzten Vorwissens. Im Hinblick auf eine effiziente, nachvollzieh- und erweiterbare Beschreibung ist eine explizite Repräsentation solchen Wissens anzustreben. Im vorliegenden Beitrag wird eine konzeptuelle und eine geometrische Wissensrepräsentationen für den Diskursbereich Straßen&Kreuzungen vorgestellt. Deren Parameter werden gemeinsam mittels eines Multihypothesen-Ansatzes geschätzt, dessen Eingangsdaten handelsübliche digitale Karten sowie verschiedene videobasierte Objektdetektoren sind. Zur Verifikation der Hypothesen werden die Vorzugsrichtungen der lokalen Textur im Bereich der erwarteten Fahrspurberandungen ausgewertet. Dabei kann gleichzeitig die Messunsicherheit der zur Bildprojektion genutzten Schätzung der Lage des Kamerakoordinatensystems reduziert werden.
The road recognition problem has been solved robustly only for small, often simplified subsets of possible road configurations. A massive augmentation of the amount of used prior knowledge could pave the way towards generally valid estimators. An explicit representation of such knowledge will additionally lead to an efficient, understandable and therefore extendible system. We present a conceptual and a geometrical knowledge representation for the Roads&Junctions domain of discourse. Its parameters are estimated using a multi hypotheses approach. A commercially available digital map and a set of video based object detectors serve as input data. The resulting hypotheses are verified by evaluating the preferred orientations of local texture around the expected position of the lane dividers. The estimate of the camera coordinate system's pose, which is used for image projection, is updated simultaneously.
© Oldenbourg Wissenschaftsverlag