Fulltext available Open Access
License: 
Title: Hindernis- und Kreuzungserkennung auf autonomen Fahrzeugen durch Kamera und Infrarotsensorik
Language: German
Authors: Heck, Waldemar 
Keywords: FAUST; autonomes Fahrzeug; Hinderniserkennung; Kreuzungserkennung
Issue Date: 15-Oct-2013
Abstract: 
In dieser Arbeit werden Verfahren zur Hindernis- und Kreuzungserkennung für ein autonomes Modelfahrzeug entwickelt. Dies geschieht innerhalb des Forschungsprojektes FAUST der HAW Hamburg. Eingesetzt wird das Fahr-zeug im Carolo-Cup Wettbewerb der Technischen Universität Braunschweig. Als Sensoren werden eine monochrome 0,36 Megapixel Kamera und Infrarot-Entfernungsmesser verwendet. Die statischen und dynamischen Hindernisse auf dem Rundkurs werden mittels Infrarotsensoren erkannt und mit der Fahrzeugkamera verifiziert. Eine Straßenkreuzung wird anhand der Haltelinie erkannt. Hindernisse und Haltelinie unterscheiden sich in ihren Grauwerten signifikant von der Fahrbahn. Um diese im Kamerabild zu erfassen wird eine ROI (Region Of Interest = Bereich von Interesse) in das Bild gelegt. Die ROI passt sich während der Fahrt dynamisch der Fahrbahn an. Innerhalb der ROI werden Bildpixel dann entsprechend ihrem Grauwert klassifiziert und entwe-der den Hindernissen, der Haltelinie oder der Fahrbahn zugewiesen.

For the Carolo-Cup competition of the Technical University of Braunschweig methods for obstacle and crossing detection on an autonomous vehicle have been developed in this thesis. The autonomous vehicle is being developed as part of the FAUST research project (FAUST stands for Driver Assistance and Autonomous Systems) at the University of Applied Sciences in Hamburg. As sensors, a 0.36 megapixel monochrome camera and infrared rangefinders are used. The static and dynamic obstacles on the road are detected by infrared sensors and verified with the vehicle camera. A crossing is detected by stop line. The grayscale values of obstacles and stop line differ significantly from the road surface. To recognize them a region of interest (ROI) is placed into the camera image. The ROI adapts dynamically the road while the vehicle is driving. Inside the ROI pixels are classified according their grayscale value and assigned to the obstacles, the stop line or the road.
URI: http://hdl.handle.net/20.500.12738/6182
Institute: Department Informatik 
Type: Thesis
Thesis type: Bachelor Thesis
Advisor: Pareigis, Stephan  
Referee: Dai, Zhen Ru 
Appears in Collections:Theses

Files in This Item:
File Description SizeFormat
BA_Heck_Waldemar.pdf3.28 MBAdobe PDFView/Open
Show full item record

Page view(s)

188
checked on Dec 25, 2024

Download(s)

372
checked on Dec 25, 2024

Google ScholarTM

Check

HAW Katalog

Check

Note about this record


Items in REPOSIT are protected by copyright, with all rights reserved, unless otherwise indicated.