DE102006036402A1

DE102006036402A1 - System und Verfahren zur Messung der Entfernung eines vorausfahrenden Fahrzeugs

Info

Publication number: DE102006036402A1
Application number: DE102006036402A
Authority: DE
Inventors: Shunji Yokohama Miyahara
Original assignee: Visteon Global Technologies Inc
Current assignee: Visteon Global Technologies Inc
Priority date: 2005-08-02
Filing date: 2006-08-02
Publication date: 2007-04-05
Also published as: US20070031008A1

Abstract

Ein System zur Bestimmung der Entfernung und der Lateralposition eines Fahrzeugs wird bereitgestellt. Das System umfasst eine Kamera und einen Prozessor. Die Kamera ist für das Betrachten eines Bereichs von Interesse konfiguriert, in dem sich ein Fahrzeug befindet, und erzeugt ein elektronisches Abbild des Bereichs. Der Prozessor steht mit der Kamera zum Empfangen des elektronischen Abbilds in elektrischer Kommunikation. Der Prozessor analysiert das Abbild durch Identifizierung von Objekten und Ermittlung einer Beziehung, die mit den erwarteten Pixelwerten an verschiedenen Stellen auf der Straße korrespondiert. Der Prozessor berechnet einen Wert als Indikativ der Gültigkeit, dass ein Objekt ein Fahrzeug ist, durch Vergleich der Pixelwerte des Objekts mit den auf der Beziehung basierenden erwarteten Pixelwerten. Es wird eine auf dem Vergleich basierende Wertigkeit bestimmt, die auf die Wahrscheinlichkeit hinweist, dass bestimmte Merkmale des elektronischen Abbilds tatsächlich dem Fahrzeug entsprechen und dass sich das Fahrzeug in der Zielentfernung für diese Fenster befindet.

Description

Hintergrund
Fachgebiet der Erfindung
Die Erfindung bezieht sich allgemein auf ein System und Verfahren zur Messung der Entfernung und der Lateralposition eines vorausfahrenden Fahrzeugs auf einer Straße.

Radar- und Stereokamerasysteme für ein adaptives automatisches Geschwindigkeitsregelsystem sind auf dem Markt bereits eingeführt. Seit kurzem wird Radar für Pre-Crash-Sicherheitssysteme und zur Kollisionsvermeidung eingesetzt. Typischerweise erfolgt die Messung der Entfernung und der Lateralposition mithilfe von Radar- und/oder Stereokamerasystemen. Radarsysteme können eine sehr genaue Entfernung bereitstellen. Millimeterwellenradarsysteme, wie z. B. 77-GHz-Systeme, sind jedoch normalerweise ziemlich kostenintensiv. Das Laserradar ist zwar preisgünstig, erfordert jedoch mechanisches Abtasten. Außerdem ist das Radar zur Identifizierung des Objekts und zur Bereitstellung einer genauen Lateralposition im Allgemeinen nicht gut geeignet.

Stereokamerasysteme können die Entfernung bestimmen und ein Objekt identifizieren. Diese Systeme sind jedoch aufgrund der zwischen den beiden Kameras erforderlichen genauen Ausrichtung normalerweise schwierig zu warten, und sie sind kostenintensiv, da zwei Bildbearbeitungssysteme erforderlich sind, d. h. doppelt so viel Bildbearbeitungsaufwand wie bei einem Ein-Kamera-System.

Außerdem können sowohl in Kamera- als auch in Radarsystemen unklare Situationen infolge mehrerer Objekte in einem Abbild auftreten. Zum Beispiel können mehrere Fahrzeuge in benachbarten Fahrspuren und Straßenrandobjekte leicht als ein vorausfahrendes Fahrzeug in derselben Fahrspur wie das mit dem System ausgestattete Fahrzeug interpretiert werden. Zusätzlich können Helligkeitsschwankungen im Hintergrund des Abbilds, wie die Schatten der Fahrzeuge und Straßenrandobjekte, die Schwierigkeit der Identifizierung des Fahrzeugs erhöhen.

Mit Blick auf die voranstehende Darlegung ist zu erkennen, dass herkömmliche adaptive automatische Geschwindigkeitsregelsysteme Schwierigkeiten zur Identifizierung von Fahrzeugen aufgrund einer komplexen Hintergrundumgebung haben können. Außerdem ist offensichtlich, dass ein Bedarf für ein verbessertes System und Verfahren zur Messung der Entfernung und der Lateralposition des vorausfahrenden Fahrzeugs besteht.

Zusammenfassung

Zur Befriedigung des voranstehend genannten Bedarfs sowie zur Überwindung der aufgezählten Nachteile und anderen Beschränkungen des Standes der Technik stellt die Erfindung ein System zur Bestimmung der Entfernung und der Lateralposition eines vorausfahrenden Fahrzeugs bereit. Die primären Komponenten des Systems umfassen eine Kamera und einen Prozessor. Die Kamera ist für das Betrachten eines Bereichs von Interesse, in dem sich ein vorausfahrendes Fahrzeug befindet, und für das Erzeugen eines elektronischen Abbilds des Bereichs konfiguriert. Der Prozessor steht mit der Kamera zum Empfangen des elektronischen Abbilds in elektrischer Kommunikation.

Das elektronische Abbild enthält zahlreiche Merkmale, die es erschweren, ein vorausfahrendes Fahrzeug zu identifizieren. Deshalb ist der Prozessor so konfiguriert, dass er einen der Straße entsprechenden Anteil des elektronischen Abbilds analysiert und eine Beziehung zur Beschreibung der Änderung im Pixelwert der Straße an verschiedenen Stellen innerhalb des Abbilds berechnet. Außerdem ist der Prozessor dafür konfiguriert, die Pixelwerte an einer Stelle im Abbild, an der ein Fahrzeug vorhanden sein kann, mit dem erwarteten Pixelwert der Straße zu vergleichen, wobei der erwartete Pixelwert der Straße basierend auf der Beziehung berechnet wird.

Zwecks Identifizierung von Objekten im elektronischen Abbild untersucht der Prozessor eine Reihe von Fenstern innerhalb des Abbilds, wobei jedes Fenster einer festgelegten physikalischen Größe bei einer anderen Zielentfernung entspricht. Die Fenster der Reihe von Fenstern werden als Entfernungsfenster bezeichnet. Folglich ist die Größe jedes der Fenster im Abbild umgekehrt proportional zur Entfernung des Fensters. Der Prozessor bewertet die Merkmale des elektronischen Abbilds innerhalb jedes Fensters, um das Fahrzeug zu identifizieren. Zum Beispiel wird die Größe des Fahrzeugs mit der Größe jedes Fensters zwecks Erzeugung eines Größenverhältnisses verglichen. Die vom Prozessor bewerteten Merkmale des elektronischen Abbilds umfassen die Breite und die Höhe der Kantenabschnitte im Abbild sowie die Höhe, die Breite und den Standort der aus mehreren Kantenabschnitten zusammengesetzten Objekte. Zur Auswertung der Objekte wird die Breite des Objekts bestimmt und ein Fahrzeugmodell für das Objekt aus verschiedenen einem Fahrzeugtyp, wie z. B. einem Motorrad, einer Limousine, einem Bus usw. entsprechenden Modellen ausgewählt. Das Modell verleiht dem Objekt eine Wertigkeit auf der Basis der Merkmale. Die Bewertung der Objektmerkmale wird entsprechend dem ausgewählten Fahrzeugmodell und der Pixelwertabweichung vom auf der berechneten Beziehung basierenden erwarteten Straßenpixelwert durchgeführt. Die Wertigkeit kennzeichnet die Wahrscheinlichkeit, dass das Fahrzeug ein Zielfahrzeug auf der Straße ist. Das. Objekt mit der höchsten Wertigkeit wird als ein Ziel erklärt, und die Entfernung des diesem Objekt entsprechenden Fensters ist die veranschlagte Entfernung des vorausfahrenden Fahrzeugs. Die voranstehend beschriebene Auswertung wird als Entfernungsfensterauswertung bezeichnet.

Zur Ergänzung der Entfernungsfensterauswertung wird außerdem eine weitere Auswertung durchgeführt. Der Prozessor ist so konfiguriert, dass er einen der Straßenoberfläche entsprechenden Anteil des elektronischen Abbilds für jedes Entfernungsfenster analysiert und eine Beziehung zur Beschreibung der Änderung im Pixelwert entlang der Straßenoberfläche an verschiedenen Stellen innerhalb des Abbilds berechnet. Außerdem ist der Prozessor dafür konfiguriert, die Pixelwerte an einer Stelle im Abbild, an der ein Fahrzeug vorhanden sein kann, mit dem erwarteten Pixelwert der Straßenoberfläche zu vergleichen, wobei der erwartete Pixelwert der Straßenoberfläche basierend auf der Beziehung berechnet wird. Die voranstehend beschriebene Auswertung wird als Straßenoberflächenauswertung bezeichnet.

Durch die Kombination von Straßenoberflächenauswertung und Entfernungsfensterauswertung wird ein System mit verbessertem Objekterkennungsvermögen bereitgestellt.

Weitere Ziele, Merkmale und Vorteile der Erfindung sind nach Prüfung der nachfolgenden Beschreibung unter Berücksichtigung der Zeichnungen und beigefügten und ein Teil dieser Spezifikation bildenden Patentansprüche für Fachleute leicht erkennbar.

Kurzbeschreibung der Zeichnungen
1 ist eine Seitenansicht eines die Prinzipien der Erfindung verkörpernden Systems zur Messung der Entfernung und der Lateralposition eines vorausfahrenden Fahrzeugs.
2 ist eine Ansicht eines elektronischen Abbilds aus der Perspektive der Kamera in 1.
3 ist eine Seitenansicht des Systems, die die Berechnung der oberen und der unteren Kante des Fensters entsprechend der Erfindung darstellt.
4 ist eine Draufsicht des Systems, die die Berechnung der linken und der rechten Kante des Fensters entsprechend der Erfindung darstellt.
5A ist eine Ansicht des elektronischen Abbilds, das den Auszug lediglich der Abbildinformationen im ersten Fenster darstellt.
5B ist eine Ansicht des elektronischen Abbilds, das den Auszug lediglich der Abbildinformationen im zweiten Fenster darstellt.
5C ist eine Ansicht des elektronischen Abbilds, das den Auszug lediglich der Abbildinformationen im dritten Fenster darstellt.
6 ist ein Flussdiagramm, das den Algorithmus darstellt, der vom System zur Bestimmung der Entfernung des vorausfahrenden Fahrzeugs ausgeführt wird.
7 ist eine Ansicht des von der Kamera vor der Verarbeitung erzeugten elektronischen Abbilds.
8 ist eine Ansicht des elektronischen Abbilds nach der Anwendung eines vertikalkantenverstärkenden Algorithmus auf das elektronische Abbild.
9 ist eine Ansicht des elektronischen Abbilds, das Abschnitte als Auszug aus dem kantenverstärkten Abbild enthält.
10 ist eine Ansicht des elektronischen Abbilds, das aus den in 8 dargestellten Abschnitten erstellte Objekte enthält.
11 ist eine Ansicht des ein vorausfahrendes Fahrzeug enthaltenden elektronischen Abbilds, das die zur Berechnung der Straßenhelligkeitsgleichung verwendeten Bereiche darstellt.
12 ist ein Schaubild, das die Berechnung der Straßenhelligkeitsgleichung und den Vergleich der Objektpixelwerte darstellt.
13 ist eine Ansicht des elektronischen Abbilds, das ein durch Fahrzeuge in benachbarten Fahrspuren gebildetes Phantomobjekt darstellt.
14 ist eine Ansicht des elektronischen Abbilds, das drei Bereiche darstellt, die zum Vergleichen der Objektpixelwerte mit den aus der Gleichung erwarteten Pixelwerten der Straßenhelligkeit verwendet werden.
15 ist ein Schaubild, das die Berechnung des Straßenhelligkeitsgradienten im Vergleich von zwei Bereichen zu Ergebnissen der Straßenhelligkeitsgleichung darstellt.
Ausführliche Beschreibung
In 1 ist ein die Prinzipien der Erfindung verkörperndes System dargestellt und mit dem Bezugszeichen 10 gekennzeichnet. Als seine primären Komponenten umfasst das System 10 eine einzige Kamera 12 und einen Prozessor 14. Die Kamera 12 ist zum Erfassen eines optischen Abbilds eines ein Fahrzeug 18 enthaltenden Bereichs von Interesse 16 im Rückspiegel angeordnet. Das durch die Kamera 12 aufgenommene optische Abbild wird in ein elektronisches Abbild umgewandelt, das dem Prozessor 14 bereitgestellt wird.
Das elektronische Abbild enthält zahlreiche Merkmale, die es erschweren, ein vorausfahrendes Fahrzeug zu identifizieren. Deshalb ist der Prozessor 14 so konfiguriert, dass er einen der Straße entsprechenden Anteil des elektronischen Abbilds analysiert und eine Beziehung zur Beschreibung der Änderung im Pixelwert der Straße an verschiedenen Stellen innerhalb des Abbilds berechnet. Die Gleichung kann zum Beispiel unter Verwendung eines Regressionsalgorithmus, wie z. B. einer quadratischen Regression, berechnet werden. Außerdem ist der Prozessor 14 dafür konfiguriert, die Pixelwerte an einer Stelle im Abbild, an der ein Fahrzeug vorhanden sein kann, mit dem erwarteten Pixelwert der Straße zu vergleichen, wobei der erwartete Pixelwert der Straße basierend auf der Beziehung berechnet wird. Der Wert wird zur Berechnung einer die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs an der identifizierten Stelle kennzeichnenden Gesamtwertigkeit verwendet.
Zur Herausfilterung unerwünschter Störungen im elektronischen Abbild und zur Unterstützung bei der Bestimmung der Entfernung des Fahrzeugs 18 berechnet der Prozessor 14 die Position von mehreren Fenstern 20, 22, 24 innerhalb des Bereichs von Interesse 16. Die Fenster 20, 22, 24 sind in verschiedenen Zielentfernungen zur Kamera 12 angeordnet. Die Größe der Fenster 20, 22, 24 ist eine festgelegte physikalische Größe (etwa 4 m × 2 m wie dargestellt) und kann der Größe einer normalen Fahrspurbreite und einer typischen Höhe eines Fahrzeugs entsprechen. Zur Bereitstellung einer höheren Auflösung werden die Fenster 20, 22, 24 in kleineren Abständen zueinander angeordnet, und es wird die Anzahl der Fenster erhöht. Das dargestellte System 10 ist zwar für die Verfolgung eines dem System 10 vorausfahrenden Fahrzeugs 18 konfiguriert, es ist jedoch ebenfalls einbezogen, dass die Kamera 12 zur Seite oder nach hinten gerichtet werden kann, um ein Fahrzeug 18 zu verfolgen, das sich aus anderen Richtungen nähern könnte.
In 2 ist ein elektronisches Abbild des Bereichs von Interesse 16 dargestellt, wie es durch die Kamera 12 gesehen wird. Die Fenster 20, 22, 24 werden in ihrer entsprechenden Größe und Anordnung entsprechend der Perspektive der Kamera 12 projiziert. Das Fahrzeug 18 ist zwischen den Fenstern 22 und 24 angeordnet, sodass dementsprechend die Größe des Fahrzeugs 18 viel genauer der Höhe und der Breite der Fenster 22 und 24 als der Höhe und der Breite des Fensters 20 entspricht. Wie in 1 zu erkennen, sind die Höhe und die Breite der Fenster zwar bei jeder Zielentfernung physikalisch konstant, jedoch scheinen die Fenster aus der Perspektive der Kamera 12 zu variieren. Analog scheinen sich die Höhe und die Breite des vorausfahrenden Fahrzeugs 18 bei jeder Zielentfernung zu verändern. Die Perspektive der Kamera 12 beeinflusst basierend auf dem Höhenwinkel und dem Azimutwinkel der Kamera 12 die scheinbare Größe und Anordnung des vorausfahrenden Fahrzeugs 18 innerhalb des elektronischen Abbilds. Der Prozessor 14 kann die Anordnung und die Größe jedes der Fenster 20, 22, 24 zur Bewertung der Merkmale des elektronischen Abbilds verwenden und eine Wertigkeit bestimmen, die die Wahrscheinlichkeit anzeigt, dass sich das Fahrzeug 18 in einer mit dem entsprechenden Fenster verbundenen Zielentfernung befindet.
3 ist eine Seitenansicht des Systems 10, die die Verwendung des Höhenwinkels bei der Berechnung der Höhe und der Position des Fensters 20 innerhalb des elektronischen Abbilds darstellt. Der Höhenwinkel ist der Winkel zwischen der optischen Achse der Kamera 12 und der Oberfläche der Straße. Die untere Kante des Fensters 20 wird auf der Basis der folgenden Gleichung (1) berechnet: Θ1 = arctan(–r1/hc) (1)wobei hc die Höhe der Kamera 12 über der Straßenoberfläche, r1 die horizontale Entfernung des Fensters 20 von der Kamera 12 und der Modul arctan [0, π] sind.
Analog wird die obere Kante des ersten Fensters (20) auf der Basis der folgenden Gleichung (2) berechnet: Θ1h = arctan[r1/(hw – hc)] (2)wobei hw die Höhe des Fensters, hc die Höhe der Kamera 12 über der Straßenoberfläche und r1 die Entfernung des Fensters 20 von der Kamera 12 sind. Die Differenz ΔΘ₁ = Θ₁ – Θ_1h entspricht der Höhe des Fensters im elektronischen Abbild.
Bezug nehmend auf 4 entspricht die horizontale Position des Fensters im elektronischen Abbild dem Azimutwinkel. Der Azimutwinkel ist der Winkel über die Breite des vorausfahrenden Fahrzeugs aus der Perspektive der Kamera 12. Die rechte Kante des Auswahlfensters 20 wird nach Gleichung (3) berechnet: Φ1 = arctan [–Breitew/(2·r1)] + (π/2) (3)Analog wird die linke Kante des Auswahlfensters 20 nach folgender Gleichung (4) berechnet: Φ1h = arctan [Breitew/(2·r1)] + (π/2) (4)wobei Breite_w der Abstand vom Zentrum des Fensters 20 zu den vertikalen Kanten, r1 die horizontale Entfernung des Fensters 20 von der Kamera 12 und der Modul arctan [–π/2, π/2] sind.
Die Fensterpositionen für die zusätzlichen Fenster 22, 24 werden mithilfe der Gleichungen (1) bis (4) berechnet, wobei r1 durch die entsprechenden Zielentfernungen ersetzt wird.
In 5A ist das auf das Fenster 20 bezogene elektronische Abbild dargestellt. Es ist zu beachten, dass die Breite des Objekts 26 etwa 30 % der Breite des Fensters 20 beträgt. Wenn für die Fensterbreite eine Breite von 4 m angesetzt ist, also etwa das Zweifache der erwarteten Breite des Fahrzeugs 18, würde die ermittelte Breite des Objekts 26 bei einer Entfernung von r1 gleich 4 m × 0,3 = 1,2 m betragen. Deshalb ist die Wahrscheinlichkeit gering, dass es sich bei dem Objekt 26 um das Fahrzeug 18 in der Entfernung r1 handelt. Außerdem bewertet der Prozessor 14 den vertikalen Versatz und Objekthöhenkriterien. Zum Beispiel wird der Abstand des Objekts 26 von der Unterkante des verarbeitenden Fensters 20 zur Bestimmung der Wahrscheinlichkeit verwendet, dass sich das Objekt 26 in der Zielentfernung befindet. Unter der Annahme, dass die Straße eben ist, würde, wenn sich das Objekt 26 in der Entfernung r1 befände, die unterste Position des Objekts 26 an der Unterkante des Fensters 20 erscheinen, was dem Kontakt des Objekts mit der Straße in der Zielentfernung entspräche. Das Objekt 26 in 5A scheint jedoch über der Straße zu schweben, wodurch die Wahrscheinlichkeit, dass sich das Objekt 26 in der Zielentfernung befindet, sinkt. Außerdem sollte das extrahierte Objekt 26 eine Höhe von 0,5 m oder 1,2 m überdecken. Der Prozessor 14 erkennt ein Objekt bis zur Höhe von einschließlich 0,5 m, falls das Objekt eine Limousine ist, oder bis zur Höhe von einschließlich 1,2 m, falls es sich bei dem Objekt um einen Bus oder einen LKW handelt. Je genauer die Höhe des Objekts 26 mit der erwarteten Höhe übereinstimmt, desto wahrscheinlicher ist das Objekt 26 das Fahrzeug 18 und desto wahrscheinlicher befindet es sich in der Zielentfernung r1. Der voranstehend beschriebene vertikale Versatz kann außerdem die Höhe des Objekts 26 beeinflussen, da der obere Teil des Objekts 26 in 5A durch die Kante des Fensters 20 abgeschnitten ist. Deshalb erscheint das Objekt 26 kleiner als erwartet, was wiederum die Wahrscheinlichkeit verringert, dass das Objekt 26 das Fahrzeug 18 in der Entfernung r1 ist.
In 5B ist das auf das Fenster 22 bezogene elektronische Abbild dargestellt. Die Breite des Objekts 27 beträgt etwa 45 % der Breite des Fensters 22. Deshalb liegt die ermittelte Breite des Objekts 27 in der Entfernung r2 mit 4 m × 0,45 = 1,8 m viel näher an der erwarteten Größe des Fahrzeugs 18. In diesem Abbild ist das Objekt 27 nur leicht zur Unterkante des Fensters 22 versetzt, und die gesamte Höhe des Objekts 27 befindet sich noch im Fenster 22.
In 5C ist das auf das Fenster 24 bezogene elektronische Abbild dargestellt. Die Breite des Objekts 28 beträgt etwa 80 % der Breite des Fensters 24. Dementsprechend beträgt die ermittelte Breite des Objekts 28 in der Entfernung r3 gleich 4 m × 0,8 = 3,2 m. Deshalb ist die Objektbreite wesentlich größer als die erwartete Breite des Fahrzeugs 18, die gewöhnlich etwa 1,75 m beträgt. Auf der Basis der Objektbreite kann der Prozessor 14 eine Festlegung treffen, dass das Objekt 27 am wahrscheinlichsten dem Fahrzeug 18 und r2 der wahrscheinlichsten Entfernung entspricht. Die Entfernungsgenauigkeit des Systems 10 kann durch Anwendung einer feineren Abstufung der Zielentfernung für jedes Fenster erhöht werden. So wie sich das Fahrzeug 18 näher zur Kamera 12 befindet, ist die Anwendung einer feineren Abstufung zwischen den Fenstern aufgrund des höheren Risikos einer Kollision besonders nützlich. Alternativ wird das Verhältnis zwischen der ermittelten Breite und der erwarteten Breite zur Bestimmung der wahrscheinlichsten Entfernung verwendet.
Zur Verbesserung der Entfernungsfensterauswertung wird eine Straßenoberflächenauswertung hinzugefügt. Das elektronische Abbild enthält zahlreiche Merkmale, die es erschweren, ein vorausfahrendes Fahrzeug zu identifizieren. Deshalb ist der Prozessor 14 so konfiguriert, dass er einen der Straßenoberfläche entsprechenden Anteil des elektronischen Abbilds analysiert und eine Gleichung zur Beschreibung der Änderung im Pixelwert der Straße über die Längsrichtung innerhalb des Abbilds berechnet. Die Gleichung kann zum Beispiel unter Verwendung eines Regressionsalgorithmus, wie z. B. einer quadratischen Regression, berechnet werden. Außerdem ist der Prozessor 14 dafür konfiguriert, die Pixelwerte an einer Stelle im Abbild, an der ein Fahrzeug vorhanden sein kann, mit dem erwarteten Pixelwert der Straße zu vergleichen, wobei der erwartete Pixelwert der Straße basierend auf der Gleichung berechnet wird. Ist die Ähnlichkeit zwischen den Pixelwerten und den erwarteten Pixelwerten hoch, so ist die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs an der Stelle gering. Folglich ist die resultierende Wertigkeit gering. Ist die Ähnlichkeit gering, so ist die Wertigkeit hoch. Die Ergebnisse des Vergleichs werden mit den Ergebnissen des Entfernungsfensteralgorithmus kombiniert, sodass eine Wertigkeit erzeugt wird, die die Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs an der identifizierten Stelle kennzeichnet.
In 6 ist ein Verfahren zur Verarbeitung eines Abbilds entsprechend der Erfindung dargestellt und mit dem Bezugszeichen 30 gekennzeichnet. Der Block 32 bezeichnet den Start des Verfahrens. In Block 34 wird ein Abbild durch die Kamera 12 erfasst und an den Prozessor 14 übertragen. In Block 36 wendet der Prozessor 14 eine Vertikalkantenverstärkung zur Erzeugung eines kantenverstärkten Abbilds an. In Block 38 richtet der Prozessor 14 ein Entfernungsfenster zur Begrenzung des für eine spezielle Entfernung analysierten Bereichs ein, wodurch mögliche unklare Kanteninformationen ausgeschlossen werden. In Block 40 wird innerhalb des Entfernungsfensters aus dem kantenverstärkten Abbild ein trinäres Abbild erzeugt, in dem der negativen Kante, der positiven Kante und den anderen Kanten "–1", "+1" bzw. "0" zugeordnet wird. In Block 44 wird das trinäre Abbild zur Sortierung der Bildpunkte desselben Werts und einer ähnlichen Anordnung in Linienabschnitte genannte Gruppen segmentiert. In Block 46 werden zwei Abschnitte mit unterschiedlicher Polarität miteinander gruppiert, sodass Objekte gebildet werden, die einem möglichen Fahrzeug entsprechen.
In Block 48 wird die Breite eines Objekts mit einem Breitenschwellenwert zwecks Auswahl des Modells verglichen. Wenn die Breite des Objekts kleiner als der Breitenschwellenwert ist, folgt der Algorithmus der Linie 50 zu Block 52, in dem ein einem Motorrad entsprechendes Fahrzeugmodell ausgewählt wird. Ist die Breite des Objekts nicht kleiner als der erste Breitenschwellenwert, folgt der Algorithmus der Linie 54 zu Block 56. In Block 56 wird die Breite eines Objekts mit einem zweiten Breitenschwellenwert verglichen. Wenn die Breite des Objekts kleiner als der zweite Breitenschwellenwert ist, folgt der Algorithmus der Linie 58, und in Block 60 wird ein einer Limousine entsprechendes Fahrzeugmodell ausgewählt. Ist jedoch die Breite des Objekts größer als der zweite Breitenschwellenwert, folgt der Algorithmus der Linie 62 zu Block 64, in dem ein einem Lastkraftwagen entsprechendes Fahrzeugmodell ausgewählt wird.
In Block 66 berechnet der Prozessor 14 eine Gleichung, die der erwarteten Änderung der Straßenpixelwerte quer über das Abbild aufgrund der Umgebungsbedingungen entspricht. Die Gleichung wird bei der Straßenoberflächenauswertung verwendet, wie voranstehend beschrieben. Demzufolge vergleicht der Prozessor 14 die Pixelwerte im Objektbereich mit den auf der Gleichung basierenden erwarteten Pixelwerten. Der Prozessor 14 bewertet anschließend in Block 68 die Objekte auf der Basis der Wertigkeit des ausgewählten Modells und des Pixelwertvergleichs. In Block 70 stellt der Prozessor 14 fest, ob jedes der Objekte für dieses Entfernungsfenster bewertet worden ist. Ist nicht jedes der Objekte bewertet worden, folgt der Algorithmus der Linie 72, und die Breite des nächsten Objekts wird analysiert, um, beginnend bei Block 48, ein Fahrzeugmodell auszuwählen. Wenn jedes der Objekte bewertet worden ist, wird in Block 74 das beste Objekt im Fenster (Fensterobjekt) auf der Basis der Wertigkeit bestimmt. Anschließend stellt der Prozessor 14 in Block 76 fest, ob jedes der Fenster vervollständigt worden ist. Ist nicht jedes der Fenster vervollständigt worden, folgt der Algorithmus der Linie 78, und das Fenster wird gewechselt. Nachdem das Fenster gewechselt worden ist, folgt der Algorithmus der Linie 78, und in Block 38 wird das nächste Entfernungsfenster eingerichtet. Wenn jedes der Fenster vervollständigt worden ist, wird in Block 82 auf der Basis der Wertigkeit das beste Objekt aus den Fensterobjekten ausgewählt, und die Entfernung des dem Objekt entsprechenden Fensters wird die veranschlagte Entfernung des vorausfahrenden Fahrzeugs. Der Algorithmus endet in Block 84, bis das nächste Abbild erfasst wird.
In 7 ist ein typisches elektronisches Abbild dargestellt, wie es durch die Kamera 12 zu sehen ist, und es wird zur weiteren Beschreibung des durch den Prozessor 14 implementierten Verfahrens zur Bestimmung der Entfernung und der Lateralposition des Fahrzeugs ¹⁸ verwendet. Das elektronische Abbild umfasst zusätzliche Merkmale, die für den Prozessor 14 störend sein können, wie z. B. die Fahrbahmnarkierungen 90, ein zusätzliches Fahrzeug 92 und ein Motorrad 94.
8 zeigt ein vertikalkantenverstärktes Abbild. Das elektronische Abbild besteht aus horizontalen Zeilen und vertikalen Spalten von Bildelementen (Pixel). Jedes Pixel umfasst einen der Helligkeit des Abbilds entsprechenden Wert an dieser Zeilen- und Spaltenstelle. Ein typischer kantenverstärkender Algorithmus umfasst die Berechnung des Differentialquotienten der Helligkeit über die horizontalen Zeilen oder die vertikalen Spalten des Abbilds. Jedoch werden viele andere kantenverstärkenden Verfahren in Betracht gezogen, und sie können auf einfache Weise verwendet werden. Außerdem werden die Position und die Größe des Fensters 96 für eine vorgegebene Zielentfernung berechnet. Außerhalb des Fensters 96 angeordnete Kanteninformationen werden ignoriert. In diesem Beispiel können viele der Kanteninformationen vom Auto 98 und vom Motorrad 100 eliminiert werden.
Bezug nehmend auf 9 wird das kantenverstärkte Abbild trinarisiert, das heißt, jedes der Pixel wird auf einen Wert „1", „+1" oder „0" gesetzt. Ein typisches Verfahren zur Trinarisierung des Abbilds umfasst das Nehmen des Werts jedes Pixelwerts und das Vergleichen mit einem oberen und einem unteren Schwellenwert, wobei der Pixelwert auf „+1" gesetzt wird, wenn die Helligkeit des Pixelwerts über dem oberen Schwellenwert liegt. Liegt die Helligkeit des Pixelwerts unter dem unteren Schwellenwert, wird der Pixelwert auf „–1" gesetzt. Anderenfalls wird der Pixelwert auf „0" gesetzt. Damit werden die Pixel effektiv in Kantenpixel mit einem Hell-zu-Dunkel-Übergang (negativer Übergang), in Kantenpixel mit einem Dunkel-zu-Hell-Übergang (positiver Übergang) und in Nicht-Kantenpixel eingeteilt. Obwohl das zuvor beschriebene Verfahren schnell und einfach ist, können andere kompliziertere Schwellenwertverfahren einschließlich lokaler Flächenschwellenwert- oder anderer gewöhnlich verwendeter Näherungsverfahren verwendet werden. Anschließend werden die Pixel basierend auf ihrer relativen Position zu anderen Pixeln mit demselben Wert gruppiert. Das Gruppieren dieser Pixel wird Segmentierung genannt, und jede dieser Gruppen wird als Linienabschnitt bezeichnet. Höhen-, Breiten- und Positionsinformationen werden für jeden Linienabschnitt gespeichert.
Wenn diese Abschnitte auf das ursprüngliche Abbild rückbezogen werden, so repräsentiert der Abschnitt 102 die Fahrbahnmarkierung auf der Straße. Der Abschnitt 104 repräsentiert den oberen Teil der linken Seite des Fahrzeugs. Der Abschnitt 106 repräsentiert die untere linke Seite des Fahrzeugs. Der Abschnitt 108 repräsentiert den linken Reifen des Fahrzeugs. Der Abschnitt 110 repräsentiert die obere rechte Seite des Fahrzeugs. Der Abschnitt 112 repräsentiert die untere rechte Seite des Fahrzeugs, während der Abschnitt 114 den rechten Reifen repräsentiert.
Bezug nehmend auf 10 können Objekte aus zwei Abschnitten erstellt werden. Typischerweise würde ein positiver Abschnitt mit einem negativen Abschnitt gepaart werden. Der Abschnitt 102 und der Abschnitt 104 werden zum Erstellen des Objekts 116 kombiniert. Der Abschnitt 102 und der Abschnitt 106 werden zum Erstellen des Objekts 118 kombiniert. Der Abschnitt 106 und der Abschnitt 112 werden zum Erstellen des Objekts 120 kombiniert. Die Merkmale jedes Objekts werden dann durch die Merkmale eines Modellfahrzeugs bewertet. Für jedes Objekt wird ein Modell auf der Basis der Breite des Objekts ausgewählt. Wenn zum Beispiel die Objektbreite kleiner als ein erster Breitenschwellenwert ist, wird ein einem Motorrad entsprechendes Modell zur Bewertung des Objekts verwendet. Wenn die Objektbreite größer als der erste Breitenschwellenwert, jedoch kleiner als ein zweiter Breitenschwellenwert ist, wird ein einer Limousine entsprechendes Modell verwendet. Wenn alternativ die Objektbreite größer als der zweite Breitenschwellenwert ist, wird das Objekt durch ein einem großen Lastkraftwagen entsprechendes Modell bewertet. Zwar sind nur drei Modelle beschrieben worden, jedoch kann eine größere oder kleinere Anzahl von Modellen verwendet werden.
Jedes Modell hat Merkmale, die sich von denen eines anderen Fahrzeugtyps unterscheiden, und zwar entsprechend den Merkmalen des jeweils vorliegenden Fahrzeugtyps. Zum Beispiel ist das Höhen-Seiten-Verhältnis beim Motorradmodell hoch, beim Limousinenmodell jedoch gering. Diese Merkmale entsprechen dem tatsächlichen Fahrzeug, da das Motorrad eine geringe Breite und eine große Höhe aufweist, was bei der Limousine jedoch umgekehrt ist. Die Höhe des Objekts ist beim Lastkraftwagenmodell ziemlich groß, beim Limousinenmodell aber gering. Die drei Modelle ermöglichen dem Algorithmus das genaue Zuweisen von Punkten zu jedem der Objekte.
Die Merkmale der Objekte werden mit den Merkmalen der Modelle verglichen. Je genauer die Objektmerkmale mit den Modellmerkmalen übereinstimmen, desto höher ist die Wertigkeit, und desto wahrscheinlicher ist das Objekt ein Fahrzeug des ausgewählten Modelltyps. Für die Bestimmung, ob das Objekt ein Fahrzeug ist, können bestimmte Merkmale als wichtiger bewertet oder betrachtet werden als andere Merkmale. Durch die Verwendung von drei Modellen ist eine genauere Beurteilung möglich als mit einem einzigen Modell, da die drei Fahrzeugtypen hinsichtlich der Breite, der Höhe, der Form und anderer zur Identifizierung notwendiger Kriterien ziemlich verschieden sind. Diese drei Modelle tragen außerdem zu einer Erhöhung der Entfernungsgenauigkeit des Algorithmus bei.
Als Ergänzung zur Entfernungsfensterauswertung wird die Straßenoberflächenauswertung durchgeführt. Dabei wird das ursprüngliche erfasste Graustufenabbild dazu verwendet, die Beurteilung, ob ein Objekt ein Fahrzeug ist oder nicht, zu verbessern. Wie in 11 zu erkennen ist, befindet sich ein Fahrzeug 142 vor dem System. Der Graustufen- oder Helligkeitswert eines Hintergrundelements, wie z. B. die Straße, ändert sich im Allgemeinen allmählich. Deshalb kann die Änderung der Helligkeit oder des Pixelwerts durch eine gleichmäßige stetige Gleichung beschrieben werden. Die Gleichung kann oftmals eine einfache lineare Gleichung sein, jedoch werden andere mathematische Beziehungen, wie z. B. quadratische Gleichungen, oder Verweistabellen hier in die Betrachtung einbezogen. Folglich wird ein Straßenbereich 146 zur Bestimmung des Helligkeitsgradienten oder der Helligkeitsänderung der Straße vor dem System verwendet. Der Straßenbereich 146 ist im Abbild zwischen dem System und einem Objektbereich 144 in einem Gebiet angeordnet, das normalerweise einen Leerraum zwischen dem System und dem vorausfahrenden Fahrzeug 142 darstellt. Der Wert der Pixel innerhalb des Straßenbereichs 146 kann zur Berechnung einer Gleichung verwendet werden, die mit den erwarteten Pixelwerten der Straße an verschiedenen Stellen im Abbild korrespondiert. Außerdem kann der Objektbereich 144 auf der Position des Objekts angeordnet sein. Der Wert der Pixel innerhalb des Objektbereichs 144 kann mit dem erwarteten Pixelwert der Straße verglichen werden, und es kann eine Feststellung getroffen oder eine Wertigkeit berechnet werden, die anzeigt, ob sich das Fahrzeug im Objektbereich 144 befindet.
Dieser Prozess kann anhand des Schaubilds in 12 weiter erklärt werden. Eine Gruppe von Pixelwerten 150 ist dargestellt und entspricht den innerhalb des Straßenbereichs 146 enthaltenen Pixeln. Die Gruppe von Pixelwerten 150 kann in einem Regressionsalgorithmus, wie z. B. einer linearen Regression, verwendet werden, um eine Gleichung 151 für die erwarteten Pixelwerte im Objektbereich 144 für die Straße einschließlich der Änderung der Straßenhelligkeit quer über das Abbild zu bestimmen. Die zweite Gruppe von Pixelwerten 152 repräsentiert die Pixelwerte des den Standort des Objekts entsprechenden Objektbereichs 144. Der Mittelwert der ersten Gruppe von Pixelwerten 150 ist durch die Linie 153 und der Mittelwert der zweite Gruppe von Pixelwerten 152 durch die Linie 154 gekennzeichnet. Die Differenz zwischen dem Mittelwert 153 und dem Mittelwert 154 beträgt nur etwa 40 Graustufen. Die Differenz ist nicht groß genug im Vergleich zur Intensitätsschwankung der Gruppe von Pixelwerten 150. Die Differenz 156 zwischen dem Mittelwert der zweiten Gruppe von Pixelwerten 152 und dem auf der Gleichung 151 basierenden, auf der entsprechenden Pixelposition (bei etwa 30 auf der Horizontalachse) erwarteten Pixelwert beträgt jedoch etwa 70 Graustufen. Diese Differenz ist viel größer als die Standardabweichung der Regressionslinie. Folglich ist die Gültigkeit der Objektidentifizierung verbessert. Dies ist besonders hilfreich in der in 13 dargestellten Situation, in der das Objekt basierend auf zwei sich in zum System benachbarten Fahrspuren befindlichen Fahrzeugen 157 und 158 erzeugt werden kann. In dieser Situation würden die Pixelwerte des Bereichs 159, ein durch die rechte Kante des Fahrzeugs 157 und die linke Kante des Fahrzeugs 158 erzeugtes Phantomobjekt, im Wesentlichen den aus dem Bereich 160 ermittelten erwarteten Pixelwerten entsprechen. Folglich würde die Wertigkeit des Objekts verringert werden.
In einer nachfolgend beschriebenen anderen Ausgestaltung können drei Bereiche zur Feststellung der Gültigkeit des fraglichen Objekts verwendet werden, wie in den 14 und 15 dargestellt. Das Objekt 162 ist im Sichtfeld des Systems angeordnet. Der Bereich 168 wird zur Berechnung einer Gleichung verwendet, die den erwarteten Pixelwert an verschiedenen Stellen auf der Straße aufgrund des Gradienten der Straßenhelligkeit beschreibt. Der Bereich 164 ist auf der Position des Objekts 162 angeordnet. Die Abweichung der Pixelwerte im Bereich 164 wird mit den auf der Gleichung basierenden erwarteten Pixelwerten verglichen. Die Abweichung der Pixelwerte im Bereich 164 von den erwarteten Pixelwerten wird beispielsweise errechnet. Ist die Abweichung klein, wird das Objekt als ein Phantomobjekt (ein durch zwei Fahrzeuge in benachbarten Fahrspuren gebildetes Objekt) beurteilt. Wenn alternativ die Abweichung hoch ist, wird die Wahrscheinlichkeit, dass das Objekt ein Fahrzeug ist, höher bewertet. Ist jedoch die Abweichung der Pixelwerte im Bereich 166 beträchtlich, wird die Wahrscheinlichkeit, dass das Objekt ein Fahrzeug ist, verringert, weil der Schatten anderer Fahrzeuge und Straßenrandobjekte die Intensität in den Bereichen 164 und 166 ändern könnte. Wenn die Pixelwerte im Bereich 168 nicht eine gute lineare Regression (d. h. eine lineare Regression mit kleiner Standardabweichung) ergeben, werden die Pixelwerte im Bereich 166 mit denen im Bereich 164 ohne Verwendung der linearen Regression direkt verglichen.
Jetzt wird die in den 14 und 15 dargestellte Dreibereichsverarbeitung ausführlich beschrieben. Außerdem wird ein zwischen den Bereichen 164 und 168 angeordneter Bereich 166 verwendet. Eine erste Gruppe von Pixelwerten 172 entspricht den Pixelwerten des Bereichs 168. Die Gruppe von Pixelwerten 172 wird zum Bestimmen eines mit dem Bezugszeichen 174 gekennzeichneten erwarteten Straßenhelligkeitsgradienten verwendet. Der Straßenhelligkeitsgradient wird in 15 durch eine auf die Gruppe von Pixelwerten 172 angewendete lineare Regression bestimmt. Die Gruppe von Pixelwerten 176 entspricht den Pixelwerten des Bereichs 166 und die Gruppe von Pixelwerten 180 entspricht den Pixelwerten des Bereichs 164. Die Abweichung 182 der Gruppe 180 d_A wird aus dem auf dem erwarteten Straßenhelligkeitsgradienten 174 basierenden erwarteten Pixelwert berechnet. Außerdem wird die Abweichung 178 der Gruppe 176 d_B vom erwarteten Straßenhelligkeitsgradienten 174 berechnet.
Ist d_A kleiner oder in derselben Größenordnung wie die Standardabweichung der Regressionsgeraden, wird der Bereich 164 als Phantomnbjekt beurteilt. Ist d_A wesentlich größer als die Standardabweichung, besteht im Bereich 164 eine hohe Wahrscheinlichkeit für das Vorhandensein eines Fahrzeugs, und er bekommt eine hohe Wertigkeit. Wenn jedoch d_B ebenfalls beträchtlich ist, wird die Wertigkeit verringert, da ein Schatten quer über dem Bereich 166 vorhanden sein dürfte.
Bei kurzer Entfernung hat der Bereich der Gruppe von Pixelwerten 172 keine ausreichende Ausdehnung in Längsrichtung (y-Achse in 15). In diesem Fall wird die Intensität der Bereiche 180 und 176 verglichen. Ist der Mittelwert der Intensität ähnlich, so ist die Wertigkeit gering. Ist der Mittelwert sehr verschieden, so ist eine hohe Wertigkeit gegeben. Anschließend wird jedes der Objekte basierend auf den Merkmalen des Objekts bewertet, die die Breite des Objekts, die Höhe des Objekts, die Position des Objekts relativ zur Unterkante des Fensters, die Abschnittbreite, die Abschnitthöhe und den Vergleich der Objektbereichspixelwerte mit den erwarteten Straßenpixelwerten umfassen. Der zuvor beschriebene Prozess wird für mehrere Fenster mit unterschiedlichen Zielentfernungen wiederholt.
Eine mit dem Fachgebiet vertraute Person wird leicht erkennen, dass die voranstehende Beschreibung als eine Darstellung der Implementierung der Erfindung aufzufassen ist. Diese Beschreibung ist nicht als Einschränkung des Geltungsbereichs oder der Anwendung der Erfindung gedacht, insofern als dass die Erfindung einer Modifikation, Variation oder Änderung unterworfen werden kann, ohne dass vom Sinn der durch die nachfolgenden Patentansprüche definierten Erfindung abgewichen wird.

10: System
12: Kamera
14: Prozessor
16: Bereich von Interesse
18: Fahrzeug
20, 22, 24: Fenster
26, 27, 28: Objekt
30: Verfahren
32 bis 40: Block
44 bis 48: Block
50: Linie
52: Block
54: Linie
56: Block
58: Linie
60: Block
62: Linie
64 bis 70: Block
72: Linie
74 und 76: Block
78: Linie
82 und 84: Block
90: Fahrbahnmarkierungen
92: zusätzliches Fahrzeug
94: Motorrad
96: Fenster
98: Auto
100: Motorrad
102 bis 114: Abschnitt
116 bis 120: Objekt
142: Fahrzeug
144: Objektbereich
146: Straßenbereich
150: Gruppe von Pixelwerten
151: Gleichung
152: Gruppe von Pixelwerten
153: Linie bzw. Mittelwert
154: Linie bzw. Mittelwert
156: Differenz
157, 158: Fahrzeug
159: Bereich
160: Bereich
162: Objekt
164, 166, 168: Bereich
172: Gruppe von Pixelwerten
174: erwarteter Straßenhelligkeitsgradient
176: Gruppe von Pixelwerten
178: Abweichung
180: Gruppe von Pixelwerten
182: Abweichung

Claims

System (10) zur Bestimmung der Entfernung eines Fahrzeugs (18), umfassend: – eine Kamera (12), die für das Betrachten eines Bereichs von Interesse (16), in dem sich das Fahrzeug (18) befindet, konfiguriert ist und ein elektronisches Abbild des Bereichs erzeugt; – ein mit der Kamera zum Empfangen des elektronischen Abbilds in elektronischer Kommunikation stehender Prozessor (14), der für das Zusammensetzen einer Vielzahl von auf mögliche Fahrzeugstandorte hinweisenden Objekten (26, 27, 28), das Berechnen einer mit einem erwarteten Straßenpixelwert korrespondierenden Beziehung und das Durchführen eines Vergleichs zwischen nahe den Objekten befindlichen Objektpixelwerten und dem erwarteten Straßenpixelwert konfiguriert ist.
System (10) nach Anspruch 1, wobei die Beziehung eine Gleichung (151) ist, die basierend auf den Pixelwerten eines Straßenbereichs (146) berechnet wird.
System (10) nach Anspruch 1 oder 2, wobei die Gleichung (151) eine lineare Gleichung ist.
System (10) nach einem der Ansprüche 1 bis 3, wobei der Prozessor (14) die Beziehung basierend auf einem Regressionsalgorithmus berechnet.
System (10) nach einem der Ansprüche 1 bis 4, wobei der Prozessor (14) für das Berechnen einer Abweichung zwischen den Objektpixelwerten und dem erwarteten Straßenpixelwert konfiguriert ist.
System (10) nach einem der Ansprüche 1 bis 5, wobei der Prozessor (14) für das auf dem Vergleich basierende Berechnen einer Wertigkeit für das Objekt (26, 27, 28) konfiguriert ist.
System (10) nach einem der Ansprüche 1 bis 6, wobei die Entfernung des Fahrzeugs (18) basierend auf der Wertigkeit des Objekts (26, 27, 28) bestimmt wird.
System (10) nach einem der Ansprüche 1 bis 7, wobei der Prozessor (14) für das Identifizieren einer Vielzahl von Fenstern (20, 22, 24) innerhalb des elektronischen Abbilds konfiguriert ist, wobei jedes Fenster der Vielzahl von Fenstern (20, 22, 24) einer vorher festgelegten physikalischen Größe bei einer Zielentfernung zur Kamera (12) entspricht, wobei der Prozessor (14) außerdem für das Ermitteln von Merkmalen des elektronischen Abbilds für jedes der Fenster (20, 22, 24) zwecks Identifizierung des Fahrzeugs (18) konfiguriert ist.
System (10) nach einem der Ansprüche 1 bis 8, wobei die Objekte (26, 27, 28) aus auf dem kantenverstärkten Abbild basierend erzeugten Kantenabschnitten (102, 104, 106, 108, 110, 112, 114) zusammengesetzt sind.
System (10) nach einem der Ansprüche 1 bis 9, wobei die Kantenabschnitte (102, 104, 106, 108, 110, 112, 114) vertikale Kantenabschnitte sind.
System (10) nach einem der Ansprüche 1 bis 10, wobei die Wertigkeit auf einer Höhe der Kantenabschnitte basiert.
System (10) nach einem der Ansprüche 1 bis 10, wobei die Wertigkeit auf einer Breite der Kantenabschnitte basiert.
System (10) nach einem der Ansprüche 1 bis 10, wobei die Wertigkeit auf einer Höhe der Objekte (26, 27, 28) basiert.
System (10) nach einem der Ansprüche 1 bis 10, wobei die Wertigkeit auf einer Breite der Objekte (26, 27, 28) basiert.
System (10) nach Anspruch 1, wobei der Prozessor (14) für das Erzeugen eines auf dem kantenverstärkten Abbild basierenden trinären Abbilds zwecks Ermittlung der möglichen Fahrzeugstandorte konfiguriert ist.
System (10) nach Anspruch 15, wobei positive Kantenelemente durch Anwendung eines vorher definierten oberen Schwellenwerts auf das kantenverstärkte Abbild identifiziert werden.
System (10) nach Anspruch 15 oder 16, wobei negative Kantenelemente durch Anwendung eines vorher definierten unteren Schwellenwerts auf das kantenverstärkte Abbild identifiziert werden.
System (10) nach einem der Ansprüche 15 bis 17, wobei die Objekte (26, 27, 28) aus mindestens einem positiven und mindestens einem negativen Kantenelement der aus dem trinären Abbild erzeugten Kantenelemente zusammengesetzt sind.