论文基本信息
- 出处：博士论文，Freie Universität Berlin (柏林自由大学)
-
2012年,柏林自由大学继续当选德国11所精英大学之一。2020年在QS世界大学排名中位列第130位。
-
- 年份：2020.1
- 作者: Tobias Langner
主要内容
装备示意图
城市街道正常行驶时，相机的外部标定
- 概括：不借助标定物，基于图像，使用光流的方式，校正相机的旋转角度(rotation angles)。
使用立体视觉，检测其他交通参与者
- 概括：
- 使用基于视觉的方法，在FPGA+CPU平台上，进行障碍物检测和自由空间(free space)的评估。
- 现状：目前大部分智能汽车使用的是，LIDAR-based的障碍物检测和跟踪系统
- 缺点：1）贵；2）缺少空间分辨力（spatial resolution）
红绿灯状态的识别
- 概括：
- 使用对象检测方式，检测交通灯状态。
- 若有标注地图（an annotated map）的辅助时，将地图提供的汽车的位置+交通灯的位置和高度，投影到相机中，表现为兴趣位置，来识别交通灯信号。
- JOCOMMENT：未来HAD地图的发展，应该会含有高精度的信息，和有利于自动驾驶的信息，如交通灯的位置和高度。
- 当标注地图不可用时，就使用对象检测方法，根据形状进行检测交通灯的位置和信号，在检测成功后，将交通灯的位置，存入地图中。
- JOCOMMENT：迭代更新的方式，可以保证交通信号灯的实时最新状态。
利用光流和视差图，进行自我运动估计
- 概括：使用嵌入式立体相机，便于光流的分割的方法，检测并移除动态物体，实现汽车线速度和角速度的评估。