KIT-Bibliothek
Audio-/Videodatei publizieren
Anleitung zum Publizieren

08: Automotive Vision / Fahrzeugsehen, Vorlesung, SS 2019, 24.06.2019

Autor

Martin Lauer

Beteiligtes Institut

Fakultät für Maschinenbau (MACH)
Institut für Mess- und Regelungstechnik mit Maschinenlaboratorium (MRT)

Genre

Vorlesung

Beschreibung

08 |
0:00:00 Start
0:00:05 Nonlinear Extensions of the Kalman Filter
0:03:08 Example: Determine Ego Motion Visually
0:27:36 Non-Gaussian Models
0:30:01 Numerical Representation
0:41:38 Particle Filter
1:05:12 Particle Filter with Resampling
1:06:32 Comparison of Filters
1:13:15 Summary





- - - - - - -


Titel der Serie:
Automotive Vision / Fahrzeugsehen, Vorlesung, SS 2019

Beschreibung der Serie:

Hintergrund:
Die sensorielle Erfassung und Interpretation der Umwelt bilden die Grundlage für die Generierung intelligenten Verhaltens. Die Fähigkeit zu Sehen eröffnet Fahrzeugen völlig neuartige Perspektiven. Fahrerassistenzsysteme mit der Fähigkeit ihre Umgebung wahrzunehmen bilden entsprechend ein steil aufstrebendes Forschungs- und Innovationsfeld der Automobiltechnik. Viele Experten sind sich einig darüber, dass die Fähigkeit zu Sehen Fahrzeuge der nahen Zukunft maßgeblich beeinflussen wird wie kaum ein zweites Forschungsgebiet in diesem Bereich. Erste so genannte Fahrerassistenzsysteme konnten bereits respektierliche Verbesserungen hinsichtlich Komfort, Sicherheit und Effizienz erzielen. Bis Automobile jedoch über eine dem menschlichen visuellen System vergleichbare Leistungsfähigkeit verfügen, werden voraussichtlich noch einige Jahrzehnte intensiver Forschung erforderlich sein.

Ziele:
Die Vorlesung richtet sich an Studenten des Maschinenbaus und benachbarter Studiengänge, die interdisziplinäre Qualifikation erwerben möchten. Sie vermittelt einen Überblick über das Gebiet Fahrzeugsehen von elementaren Verfahren der Kamerabildauswertung bis hin zu innovativen messtechnischen Methoden für sehende Fahrzeuge. Die Herleitung messtechnischer Methoden der Bildverarbeitung wird anhand aktueller, praxisrelevanter Anwendungsbeispiele vertieft und veranschaulicht.

Lehrinhalt:
1. Fahrerassistenzsysteme
2. Stereosehen
3. Merkmalspunktverfahren
4. Optischer Fluss/Tracking im Bild
5. Tracking und Zustandsschätzung
6. Selbstlokalisierung und Kartierung
7. Fahrbahnerkennung
8. Verhaltenserkennung

Laufzeit (hh:mm:ss)

01:15:22

Serie

Automotive Vision / Fahrzeugsehen, Vorlesung, SS 2019

Publiziert am

25.06.2019

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz

Auflösung 1280 x 720 Pixel
Seitenverhältnis 16:9
Audiobitrate 128000 bps
Audio Kanäle 2
Audio Codec aac
Audio Abtastrate 48000 Hz
Gesamtbitrate 807646 kbps
Farbraum yuv420p
Container mov,mp4,m4a,3gp,3g2,mj2
Medientyp video/mp4
Dauer 4522 s
Dateiname DIVA-2019-575_hd.mp4
Dateigröße 456.488.364 byte
Bildwiederholfrequenz 25
Videobitrate 673549 kbps
Video Codec h264

Embed-Code