Echtzeitfähige kamerabasierte Objektdetektion für automatisierte Fahrzeuge

Automatisierte Fahrzeuge müssen ihre Umgebung schnell und präzise erfassen um in der Lage zu sein, mit ihr zu interagieren. Sie müssen dabei in einer Verkehrsumgebung zurecht kommen, welche speziell so gestaltet ist, dass sie für die visuelle Wahrnehmung des Menschens leicht zugänglich ist. Aus diesem Grund sind bildgebende Verfahren mit ähnlicher Verarbeitungsgeschwindigkeit, Zuverlässigkeit und Robustheit wie das menschliche Sehsystem, unabdingbar.

Diese Arbeit befasst sich deshalb mit der echtzeitfähigen kamerabasierten 3D-Objekterkennung. Im Gegensatz zu existierenden Arbeiten liegt der Fokus dabei nicht nur auf Fahrzeugen, sondern auf allen Arten von Verkehrsteilnehmern, wie zum Beispiel Fußgängern und Radfahrern. ... mehrDas Ziel dieser Arbeit ist es, einen Ansatz zur Objektdetektion zu entwickeln, welcher mit möglichst geringem Rechenaufwand Ergebnisse liefert, die in ihrer Genauigkeit und Zuverlässigkeit für die in automatisierten Fahrzeugen auf die Umfelderfassung folgenden Module wie die Prädiktion, Verhaltensgenerierung und Trajektorienplanung ausreichend sind.

Dafür werden zwei binokulare Methoden vorgestellt, welche Rasterkarten in der Vogelperspektive als abstrahierte Darstellung des Fahrzeugumfelds verwenden. Durch die damit verbundene direkte räumliche Information und die Dimensionsreduktion gegenüber Punktwolken verringert sich die Komplexität und somit die Laufzeit der Objektdetektion. Da die Verwendung eines binokularen Kamerasystems nicht nur höhere Kosten als eine einzige Kamera verursacht, sondern vor allem auch eine aufwendigere Kalibrierung benötigt, wird in dieser Arbeit ebenfalls untersucht, welche Genauigkeiten mit einer monokularen 3D-Objektdetektion erreicht werden können.

Untersuchungen auf dem öffentlich verfügbaren KITTI-Datensatz zeigen, dass die vorgestellten Ansätze den Stand der Technik für echtzeitfähige kamerabasierte 3D-Objekterkennung übertreffen. Darüber hinaus zeigen Experimente auf dem Testfahrzeug BerthaOne gute Objektdetektionen hinsichtlich Position und Abmessung auch für Objekte in 100 m Entfernung.

Autonomous vehicles need to sense their environment quickly and accurately in order to be able to interact with it. They must be able to understand and effortlessly act within a traffic environment that has been specifically designed to be easily accessible for humans. For this reason, imaging techniques with similar processing speed, reliability and robustness as the human visual system, are essential.

Therefore, this work investigates real-time camera-based 3D object recognition. In contrast to existing approaches, it focuses not only on vehicles, but on all types of road users, including pedestrians and cyclists. ... mehrThe goal of this work is to develop an approach for object detection that provides results which are sufficient in their accuracy and reliability for high level scene understanding and trajectory planning, with a minimum of computational effort.

For this purpose, two binocular methods are presented that use grid maps in bird's-eye view as an abstracted representation of the vehicle environment. The direct spatial information and dimensionality reduction compared to point clouds reduces the complexity and thus the runtime of the object detection. Since stereo camera systems not only cause higher costs than a single camera, but also require a more complex calibration, this thesis also investigates which accuracies can be achieved with a monocular 3D object detection.

Evaluations on the publicly available KITTI dataset show that the presented approaches outperform the state of the art for real-time camera-based 3D object detection. Furthermore, experiments on the test vehicle BerthaOne demonstrate reasonable object detections regarding object position and dimensions even for objects at distances of 100 m.