Zusammenfassung
Die Analyse von Videobildfolgen in Echtzeit stellt verschiedene Anforderung an die Algorithmen: einerseits müssen sie schritthaltendarbeiten, andererseits sollten sie so angelegt sein, daß sie sich für eine Portierung auf parallele Spezialhardware eignen. Aufgrund der hohen Datenmenge sollte die Vorverarbeitung bereits eine Fokussierung auf wichtige Bildinhalte ermöglichen und unwichtige Bildbereiche herausfiltern.
In diesem Beitrag wird ein Verfahren zur schritthaltenden Markierung der unbewegten Hin-tergrundbereiche in Bildfolgen vorgestellt, die mit einer bewegten, in einem PKW montierten Kamera aufgenommen werden. Es werden die Randbedingungen im Hinblick auf die konkrete Anwendung für Verkehrsszenen erläutert sowie ein auf adaptiven Filtern (Kaimanfiltern) basierendes Segmentierungsverfahren skizziert. Die Ergebnisse einer ersten Realisierung des Verfahrens werden vorgestellt und diskutiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
N. Ansari, E. J. Delp: On Detecting Dominant Points, Pattern Recognition, Bd. 24, Nr. 5, 1991, S. 441 – 451.
W. Burger, B. Bhanu: Estimating 3-D egomotion from perspective image sequences, IEEE Transactions on Pattern Analysis ans Machine Intelligence, Bd. 12, Nr. 11, 1990, S. 1040 – 1058.
S. M. Bozic: Digital and Kaiman Filtering, Edward Arnold, London, 1986.
K. Brammer, G. Siffling: Stochastische Grundlagen des Kalman-Bucy-Filters, Oldenbourg Verlag, München, 1990.
C. K. Chui, G. Chen: Kaiman Filtering with Real-Time Applications, Springer Verlag, Berlin, 1987.
J. Dippel: Untersuchungen zur Segmentation von mit bewegter Kamera aufgenommenen Bildfolgen mittels des Kaiman-Filters, Diplomarbeit, 1991, Bayerisches Forschungszentrum für Wissensbasierte Systeme, Forschungsgruppe Wissensverarbeitung, November 1991.
E. François, P. Bouthemy: Multiframe-based identification of mobile components of a scene with a moving camera, in IEEE (Hrsg.): International Conference on Computer Vision and Pattern Regonition,, IEEE Computer Society Press, Los Alamitos, Ca, 1991, S. 166 – 172.
T. Kuhn: Planung von Trajektorien für nicht trägheitslose Fahrzeuge mit einer Potentialmethode aufgrund unsicherer Fahrbahndaten, Diplomarbeit, 1991, Technische Universität München, Forschungs- und Lehreinheit Informatik IX, November 1991.
K.-P. Karmann, A. v. Brandt: Moving Object Recognition Using an Adaptive Background memory, in V. Cappellini (Hrsg.): Time-Varying Image Processing and Moving Object Recognition, Bd. 2, Elsevier Science Publishers B.V., 1990, S. 289 – 296.
M. Mitschke: Dynamik der Kraftfahrzeuge — Band C: Fahrverhalten, Bd. 2. Auflage, Springer Verlag, Berlin, 1990.
R. Y. Tsai: An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision, in IEEE Conference on Computer Vision and Pattern Recognition, IEEE, Miami Beach, 1986, S. 364 – 374.
A. v. Brandt, D. Zaig: Ermittlung von Eigenbewegung und Tiefeninformation aus monokularen Bildfolgen, in B. Radig (Hrsg.): Mustererkennung 1991, 13.DAGM-Symposium, Springer Verlag, Berlin, 1991, S. 560 – 567.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1992 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Zins, A., Niemann, H. (1992). Filterung des Bildhintergrundes in mit bewegter Kamera aufgenommenen Bildfolgen. In: Fuchs, S., Hoffmann, R. (eds) Mustererkennung 1992. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-77785-1_59
Download citation
DOI: https://doi.org/10.1007/978-3-642-77785-1_59
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-55936-8
Online ISBN: 978-3-642-77785-1
eBook Packages: Springer Book Archive