Spurerkennung mit Kamera und MATLAB: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Zeile 65: Zeile 65:
== Segmentierung der Spuren aus den Bildern (Edge Linking, oder Linien im ROI) ==
== Segmentierung der Spuren aus den Bildern (Edge Linking, oder Linien im ROI) ==
'''Autor:''' [[Benutzer:Jiaxiang Xia | Jiaxiang Xia]], [[Benutzer:Florian Brinkmann | Florian Brinkmann]]
'''Autor:''' [[Benutzer:Jiaxiang Xia | Jiaxiang Xia]], [[Benutzer:Florian Brinkmann | Florian Brinkmann]]
<br>
Damit die Fahrbahnmarkierungen korrekt aus dem Bild segmentiert werden können, ist es hilfreich, wenn in dem verwendeten (perspektivtransformierten) Kamerabild keine Bauteile des Fahrzeugs zu sehen sind. Falls noch Elemente des Fahrzeugs im Bild vorhanden sind, sollten diese maskiert und mit schwarz überschrieben werden. Das hier verwendete [https://svn.hshl.de/svn/MTR_SDE_Praktikum/trunk/Daten/Vision/Vogelperspektive.MPEG Beispielvideo aus der Vogelperspektive (Revision 7472)] ist bereits so aufbereitet, dass keine Bauteile des Fahrzeugs bei der Segmentierung der Fahrbahnmarkierung stören könnten.
Zur Segmentierung der Fahrbahnmarkierungen aus dem perspektivtransformierten Kamerabild gibt es verschiedene Ansätze, die nachfolgend erläutert werden sollen.
=== Ansatz 1: Spurverfolgung ===
=== Ansatz 2: Kantenerkennung ===
=== Ansatz 3: [https://de.mathworks.com/help/driving/index.html?s_tid=CRUX_lftnav MATLAB Automated Driving Toolbox] ===


== Parameterschätzung des Spurpolynoms ==
== Parameterschätzung des Spurpolynoms ==
'''Autor:'''
'''Autor:'''

Version vom 19. Mai 2022, 10:06 Uhr

Autor: Prof. Dr.-Ing. Schneider, SDE-Team 2022/23

Neue Seite zum Workshop vom 17.05.2022

Im Workshop 7 Spurerkennung (OSE) mit Kamera wurde in nachfolgenden Schritten vorgegangen, die durch die Zweierteams im Nachgang dokumentiert und geprüft werden.

Aufgaben

  • Dokumentieren Sie den Workshop so, dass der rote Faden sichtbar ist.
  • Die Lösung muss nachvollziehbar sein.
  • Dokumentieren Sie Lösungsweg, Lösung und Ergebnisse.
  • Diskutieren Sie die Ergebnisse wissenschaftlich.
  • Nutzen Sie Unterartikel, falls dies der Übersicht dient.
  • Beachten Sie den Artikel Wiki-Artikel_schreiben.
  • Achten Sie beim Review auf Inhalt, Lesbarkeit, Orthographie und Nachhaltigkeit.
  • Arbeiten sie die Review-Ergebnisse nach Absprache ein.


# Aufgabe Team
1 Kalibrierung der Kamera Dong, Gosedopp
2 Bedeutung der Kalibrierparameter Chen, Grünebaum
3 Test der Transformation (KOS-Trafo + Perspektive) - Welt zu Bild und Bild zu Welt Kühnrich, Hernandez Murga
4 Inverse Perspektiventransformation (IPT) Hoppe, Pu
5 Metrischer Test mit Gliedermaßstab (oder Kacheln) Schonlau, Wei
6 Segmentierung der Spuren aus den Bildern (Edge Linking, oder Linien im ROI) Brinkmann, Xia
7 Parameterschätzung des Spurpolynoms Koch, Bao
8 Review der Artikel 1-4 Müller, Wang
9 Review der Artikel 5-7 Kalamani, Schmidt

Voraussetzungen

Kalibrierung der Kamera

Autor:

Bedeutung der Kalibrierparameter

Autor:

Test der Transformation (KOS-Trafo + Perspektive) - Welt zu Bild und Bild zu Welt

Autor:

Inverse Perspektiventransformation (IPT)

Autor: Pu, Hoppe

Eingangsparameter

Ausgangsparameter

Anwendung auf die Videodatei

Metrischer Test mit Gliedermaßstab (oder Kacheln)

Autor:

Segmentierung der Spuren aus den Bildern (Edge Linking, oder Linien im ROI)

Autor: Jiaxiang Xia, Florian Brinkmann
Damit die Fahrbahnmarkierungen korrekt aus dem Bild segmentiert werden können, ist es hilfreich, wenn in dem verwendeten (perspektivtransformierten) Kamerabild keine Bauteile des Fahrzeugs zu sehen sind. Falls noch Elemente des Fahrzeugs im Bild vorhanden sind, sollten diese maskiert und mit schwarz überschrieben werden. Das hier verwendete Beispielvideo aus der Vogelperspektive (Revision 7472) ist bereits so aufbereitet, dass keine Bauteile des Fahrzeugs bei der Segmentierung der Fahrbahnmarkierung stören könnten.

Zur Segmentierung der Fahrbahnmarkierungen aus dem perspektivtransformierten Kamerabild gibt es verschiedene Ansätze, die nachfolgend erläutert werden sollen.

Ansatz 1: Spurverfolgung

Ansatz 2: Kantenerkennung

Ansatz 3: MATLAB Automated Driving Toolbox

Parameterschätzung des Spurpolynoms

Autor: