-
Die
Erfindung betrifft ein Bildverarbeitungsverfahren für ein
Fahrerassistenzsystem eines Kraftfahrzeugs zur Detektion und Klassifikation
wenigstens eines Teils wenigstens eines vorgegebenen Bildelements,
welches ein Verkehrszeichen oder Teile eines Verkehrzeichens aufweist,
in wenigstens einem zu durchsuchenden von einem Bildsensor des Fahrerassistenzsystems
erfassten digitalen Bild. Des Weiteren betrifft die Erfindung ein
Computerprogramm, ein Computerprogrammprodukt und eine Vorrichtung,
um ein derartiges Bildverarbeitungsverfahren als Computerprogramm
auszuführen.
-
Stand der Technik
-
Aus
der
DE 198 42 176
A1 ist ein Verfahren zur Erkennung von Verkehrszeichen
in der Umgebung eines Fahrzeugs und zur Navigation des Fahrzeugs,
bei dem bei einem Erkennen von Verkehrszeichen Verkehrszeichenerkennungsdaten
erstellt werden, bekannt.
-
Im
Gegensatz zu Ländern, die der Wiener Konvention, insbesonders
zur Regelung der Verkehrszeichengestaltung, beigetreten sind, können
in Ländern wie beispielsweise den Vereinigten Staaten von
Amerika, Verkehrszeichen sehr unterschiedlich und individuell gestaltet
sein. In den Vereinigten Staaten von Amerika sind darüber
hinaus die einzelnen Bundesstaaten für die Verkehrszeichengestaltung
verantwortlich, wodurch unterschiedliche Varianten, z. B. hinsichtlich
Größe, Schriftform, Anordnung usw. auftreten können.
Zudem werden, anders als in der Wiener Konvention durch Piktogramme, Schriftzüge
wie „SPEED LIMIT”, „TRUCKS”, „MINIMUM
SPEED” oder dergleichen eingesetzt.
-
Diese
Tatsache stellt für ein auf der Erkennung von Verkehrszeichen
basierendes Fahrerassistenzsystem eine besondere Herausforderung
dar.
-
In
Ländern, in denen die Verkehrszeichen entsprechend der
Wiener Konvention ausgeführt sind, kann von dem Fahrerassistenzsystem üblicherweise
zunächst die Form, z. B. ein Kreis für Geschwindigkeitsbegrenzungen,
in einem, insbesondere von einem Bildsensor des Fahrerassistenzsystems
erfassten Bild detektiert werden. Dies ist für amerikanische
Verkehrszeichen in der Regel ebenfalls möglich (z. B. Rechteck).
Anschließend werden die Bildausschnitte hinsichtlich ihrer
Helligkeit normiert, um Einflüsse der Beleuchtungssituation
zu minimieren. Des Weiteren werden die Bildausschnitte hinsichtlich
ihrer Größen auf die gespeicherten Piktogramme
der zu klassifizierenden Verkehrszeichen normiert. Schließlich
werden die Piktogramme durch Grauwertvergleiche mit den Bildausschnitten
verglichen und bei genügend großer Übereinstimmung wird
der Bildausschnitt als Verkehrszeichen erkannt. Unterstützend
können noch Bewegungsinformationen berücksichtigt
werden, um eine Unterscheidung von beispielsweise im Heckbereich
von Lastkraftwagen oder Bussen angebrachten Verkehrszeichen von statischen,
gültigen Verkehrszeichen zu ermöglichen. Die vorstehend
beschriebene Vorgehensweise ist für US-Verkehrszeichen
in den Vereinigten Staaten von Amerika nur noch bedingt einsetzbar,
da die erwähnte Variantenvielfalt der Verkehrszeichen die Anzahl
der abzuspeichernden Piktogramme, sofern diese überhaupt
vorab alle auffindbar sind, und damit den Rechenaufwand extrem steigert.
-
Eine
alternative Möglichkeit bestünde darin, innerhalb
der detektierten Verkehrszeichen die einzelnen Zeichen, d. h. Buchstaben
und Ziffern, sozusagen zu lesen und im Sinne einer optischen Zeichenerkennung
OCR (Optical Character Recognition/OCR) zu interpretieren. Dies
ist jedoch relativ aufwendig und schwer in Kraftfahrzeugsteuergeräten
zu implementieren. Darüber hinaus ist das generelle Verständnis
der geschriebenen Wörter grundsätzlich nicht erforderlich,
da es sich nur um eine begrenzte Anzahl von Schlüsselwörtern
handelt.
-
In
der Bildverarbeitung wurden in jüngerer Zeit Verfahren
entwickelt, welche Bildbereiche invariant gegenüber Skalierung
und Rotation beschreiben können. Die skaleninvariante Merkmalstransformation
(SIFT – scale-invariant feature transfrom) ist ein Algorithmus
zur Extraktion lokaler Bildmerkmale aus Abbildun gen, welcher vor
allem bei der Bilderkennung verwendet wird. In der
US 6,711,293 B1 ist ein Verfahren
und eine Vorrichtung zum Identifizieren von skaleninvarianten Merkmalen
in einem Bild und des Weiteren ein Verfahren und eine Vorrichtung,
um derartige skaleninvariante Merkmale zur Lokalisierung eines Objekts
in einem Bild zu verwenden, offenbart.
-
Darüber
hinaus ist aus Herbert Bay, Andreas Ess, Tinne Tuytelaars,
Luc Van Gool, „SURF: Speeded-Up Robust Features",
Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3
pp. 346–359, 2008 ein Algorithmus zur schnellen
und robusten Ermittlung von Bildmerkmalen für maschinelles
Sehen bekannt.
-
-
Offenbarung der Erfindung
-
Erfindungsgemäß wird
ein Bildverarbeitungsverfahren für ein Fahrerassistenzsystem
eines Kraftfahrzeugs zur Detektion und Klassifikation wenigstens
eines Teils wenigstens eines vorgegebenen Bildelements, welches
ein Verkehrszeichen oder Teile eines Verkehrszeichens aufweist,
in wenigstens einem zu durchsuchenden von einem Bildsensor des Fahrerassistenzsystems
erfassten digitalen Bild vorgeschlagen, wobei zur Detektion und
Klassifikation des wenigstens einen Teils des wenigstens einen vorgegebenen
Bildelements in dem wenigstens einen zu durchsuchenden digitalen
Bild aus wenigstens einem Bildbereich des wenigstens einen zu durchsuchenden
digitalen Bilds erste skaleninvariante Bildmerkmale und deren relative
geometrische Anordnung zueinander berechnet werden, wonach die ersten
skaleninvarianten Bildmerkmale und deren relative geometrische Anordnung
zueinander von einem Klassifikator mit abgespeicherten und/oder
erlernten aus dem wenigstens einen vorgegebenen Bildelement berechneten
zweiten skaleninvarianten Bildmerkmalen und deren relativer geometrischer Anordnung
zueinander verglichen werden, wobei als Ergebnis des Vergleichs
bei ausreichender Übereinstimmung der wenigstens eine Teil
des wenigstens einen vorgegebenen Bildelements in dem wenigstens
einen zu durchsuchenden digitalten Bild detektiert und klassifiziert
wird.
-
Durch
die erfindungsgemäßen Maßnahmen können
in vorteilhafter Weise Bildteile anhand von skaleninvarianten Bildmerkmalen
klassifiziert werden. Auf den zu suchenden vorgegebenen Bildelementen,
welche Verkehrszeichen oder Teile von Verkehrszeichen wie Buchstaben
bzw. Ziffern aufweisen, werden die skaleninvarianten Bildmerkmale
an sich und deren relative geometrische Position bzw. Anordnung
zueinander vorab berechnet und gespeichert bzw. von einem Klassifikator
erlernt. Als Klassifikator kann beispielsweise ein neuronales Netz
eingesetzt werden. Dies bildet die Grundlage für die Klassifkation
und/oder die Suche. In dem digitalen Bild, insbesondere des Bildsensors
des Fahrerassistenzsystems, in welchem das Verkehrszeichen bzw. dessen
Schriftzug, Ziffern oder Symbole aufgefunden werden sollen, werden
ebenfalls die skaleninvarianten Bildmerkmale berechnet. Anschließend
können, da die skaleninvarianten Bildmerkmale einander eindeutig
zuzuordnen sind, die im Bildbereich gefundenen skaleninvarianten
Bildmerkmale mit den abgelegten bzw. erlernten skaleninvarianten
Bildmerkmalen verglichen werden. Dafür eignen sich beispielsweise
Algorithmen wie in Berthold K. P. Horn, "Closed-form
solution of absolute orientation using unit quaternions",
Journal of the Optical Society of America A, Vol 4, pages 629–642,
April 1987 beschrieben. Dies kann für mehrere
Bildbereiche durchgeführt werden. Grundsätzlich
kann so das gesamte digitale Bild durchsucht oder gescannt werden.
Gegebenenfalls kann auch lediglich ein Teil des Verkehrszeichens,
z. B. bei einer Teilverdeckung durch andere Objekte wie Gebüsche
und dergleichen detektiert und klassifiziert werden. Vorteilhafterweise werden
Skalierungen implizit berücksichtigt. Damit kann gegenüber
den bekannten Klassifikationsverfahren sowohl die Normierung hinsichtlich
der Größe, mit welcher die Entfernungsunabhängigkeit
des beobachteten Objekts verbunden ist, als auch hinsichtlich der
Helligkeit entfallen. Dadurch bleibt der Rechenaufwand relativ gering
und das Verfahren ist vorteilhafter Weise auf Kraftfahrzeugsteuergeräten
einsetzbar. Das beschriebene Bildverarbeitungsverfahren kann ebenfalls
auf die Zahlen der Geschwindigkeitsbegrenzung, z. B. „15”, „30”, „45”, „50” und „55”, angewendet
werden. Werden etwa Bildelemente wie z. B. „SPEED” und „LIMIT” und
zugehörige Zahlen detektiert und klassifiziert, kann ein
Geschwindigkeitsbegrenzungszeichen als erkannt eingeordnet werden.
Da die skaleninvarianten Bildmerkmale u. a. für die Verfolgung
(sogenanntes „Tracking”) von den Bildobjekten
entwickelt wurden, können nach einer Detektion, die skaleninvarianten
Bildmerkmale direkt auch für die Verfolgung von Bildbereichen
mit Objekten verwendet werden. Dadurch entfällt in vorteilhafter
Weise die Berechnung zusätzli cher Merkmale für das
Tracking im Vergleich zu herkömmlichen Verfahren. Das erfindungsgemäße
Bildverarbeitungsverfahren ist zur Klassifikation und Detektion
von Bildbereichen mit beliebigen, aufzufindenden geometrischen Anordnungen
von skaleninvarianten Bildmerkmalen geeignet und nicht auf Schriftzüge
oder Zahlen beschränkt.
-
Vorteilhaft
ist es, wenn vorab in einem Trainingsschritt aus dem wenigstens
einen vorgegebenen Bildelement die zweiten skaleninvarianten Bildmerkmale
und deren relative geometrische Anordnung zueinander unter Verwendung
unterschiedlicher Ausführungen des wenigstens einen vorgegebenen
Bildelements, insbesondere mit unterschiedlichen Ansichten oder
Schriftformen des Verkehrszeichens berechnet und von dem Klassifikator
abgespeichert und/oder erlernt werden.
-
Durch
diese Maßnahmen kann der Klassifikator beispielsweise mit
unterschiedlichen Ansichten oder Ausführungsformen in einem
Trainingsschritt konfrontiert werden. Dabei werden alle möglichen skaleninvarianten
Bildmerkmale berechnet und entsprechende Antworten (Ergebnis des
Vergleichs positiv oder negativ) vorgegeben. Als Klassifikator könnte
beispielsweise ein neuronales Netz zum Einsatz kommen.
-
Erfindungsgemäß kann
ferner vorgesehen sein, dass nur charakteristische zweite skaleninvariante
Bildmerkmale und deren relative geometrische Anordnung zueinander
berücksichtigt werden, welche in dem Trainingsschritt identifiziert
werden.
-
Es
wird in dem Trainingsschritt ermittelt, von welchen skaleninvarianten
Bildmerkmalen dieselben Antworten bei unterschiedlichen Ansichten
oder Bildern erhalten werden. Bildmerkmale, welche auf mehreren
Ansichten bzw. Bildern im Trainingsschritt sehr stark ansprechen,
werden als sogenannte charakteristische bzw. diskriminierende Merkmale
identifiziert, welche dann ausschließlich bei dem erfindungsgemäßen
Bildverarbeitungsverfahren berücksichtigt werden können.
-
Vorteilhaft
ist es, wenn die ersten skaleninvarianten Bildmerkmale und die zweiten
skaleninvarianten Bildmerkmale mittels des eingangs erwähnten Scale-Invariant
Feature Transform-Verfahrens (SIFT-Verfahren) oder des ebenfalls eingangs
erwähnten Speeded-Up Robust Features-Verfahrens (SURF-Verfahren)
berechnet werden.
-
Erfindungsgemäß kann
ferner vorgesehen sein, dass der wenigstens eine Bildbereich vorab durch
eine Suche nach bestimmten geometrischen Formen in dem wenigstens
einen zu durchsuchenden digitalen Bild identifiziert wird. Durch
eine Beschränkung auf Bildbereiche, welche z. B. mittels
einer geometrischen Suche nach bestimmten Formen wie etwa Rechtecke,
Kreise oder dergleichen ermittelt werden, kann der Rechenaufwand
weiter gesenkt werden. Die Geschwindigkeit des Systems wird ebenfalls
erhöht.
-
Vorteilhaft
ist es, wenn ein Maß für die Korrektheit der Detektion
und Klassifikation bestimmt wird. Bei einem Vergleich kann bei geometrischen Abweichungen
(z. B. andere Schriftart) ein Maß entstehen, welches als
Schwelle zur Verwerfung der Klassifikation bzw. Detektion genutzt
werden kann. Die Detektion und Klassifikation kann verworfen werden,
wenn das Maß für die Korrektheit der Detektion und
Klassifikation einen vorgegebenen Schwellwert unterschreitet. Als
Maß für die Korrektheit der Detektion und Klassifikation
kann die Anzahl der den Bildpunkten der ersten skaleninvarianten
Bildmerkmale zuordenbaren Bildpunkte der zweiten skaleninvarianten
Bildmerkmale verwendet werden.
-
Zusätzlich
kann eine aus Sequenzen der zu durchsuchenden digitalen Bilder ermittelte
Eigenbewegung berücksichtigt werden. Sonach können
Analysen in den Bildfolgen ebenfalls unterstützend hinzugezogen
werden.
-
Das
wenigstens eine vorgegebene Bildelement kann wenigstens einen Schriftzug
eines Verkehrszeichens aufweisen.
-
In
den Ansprüchen sind ein Computerprogramm und ein Computerprogrammprodukt
mit Programmcodemitteln, um das erfindungsgemäße
Bildverarbeitungsverfahren auszuführen, angegeben.
-
Eine
Vorrichtung, insbesondere ein Fahrassistenzsystem eines Kraftfahrzeugs
mit wenigstens einem Bildsensor und einer mit diesem verbundenen Bildverarbeitungseinrichtung
wird ebenfalls vorgeschlagen.
-
Das
erfindungsgemäße Bildverarbeitungsverfahren ist
vorzugsweise als Computerprogramm auf einer Bildverarbeitungseinrichtung
eines Fahrerassistenzsystems eines Kraftfahrzeugs realisiert, wobei
auch andere Lösungen selbstverständlich in Frage
kommen. Dazu kann das Computerprogramm mit einem Speicherelement
(z. B. ROM, EEPROM oder dergleichen) der Bildverarbeitungseinrichtung gespeichert
sein. Durch Abarbeitung auf der Bildverarbeitungseinrichtung wird
das Bildverarbeitungsverfahren ausgeführt. Die Bildverarbeitungseinrichtung kann
einen Mikrocomputer mit einem Mikroprozessor, einen programmierbaren
integrierten Schaltkreis (Field Programmable Gate Array/FPGA), einen
anwendungsspezifischen integrierten Schaltkreis (Application Specific
Integrated Circuit/ASIC) einen digitalen Signalprozessor (DSP) oder
dergleichen aufweisen. Die Bildverarbeitungseinrichtung kann auf
einem Steuergerät des Fahrerassistenzsystems vorgesehen
sein. Das Computerprogramm kann auf einem computerlesbaren Datenträger
(Diskette, CD, DVD; Festplatte, USB-Memory-Stick, Speicherkarte
oder dergleichen) oder einem Internetserver als Computerprogrammprodukt
gespeichert sein und von dort aus in das Speicherelement der Bildverarbeitungseinrichtung übertragen
werden.
-
Vorteilhafte
Ausgestaltungen und Weiterbildungen der Erfindung sind in den Unteransprüchen angegeben.
Nachfolgend ist anhand der Zeichnungen ein Ausführungsbeispiel
der Erfindung prinzipmäßig beschrieben.
-
Kurzbeschreibung der Zeichnungen
-
Es
zeigen:
-
1 eine
schematische Darstellung eines Fahrerassistenzsystems eines Kraftfahrzeugs;
-
2 eine
prinzipmäßige Darstellung eines digitalen Bildes
eines Bildsensors des Fahrerassistenzsystems zur Veranschaulichung
eines erfindungsgemäßen Bildverarbeitungsverfahrens;
-
3 ein
vereinfachtes Blockdiagramm des erfindungsgemäßen
Bildverarbeitungsverfahrens; und
-
4 eine
prinzipmäßige Darstellung unterschiedlicher Ansichten
bzw. Ausführungsformen eines Verkehrszeichens zur Veranschaulichung
des erfindungsgemäßen Bildverarbeitungsverfahrens.
-
Beschreibung von Ausführungsbeispielen
-
1 zeigt
ein Fahrerassistenzsystem 10 eines gestrichelt angedeuteten
Kraftfahrzeugs 11 sowie einen Bildsensor 12, welcher über
eine Bildsensorsignalleitung 13 mit einer Auswerteeinheit
bzw. Bildverarbeitungseinrichtung 14 verbunden ist. Die Bildverarbeitungseinrichtung 14 ist über
eine Ausgangssignalleitung 15 mit dem Fahrerassistenzsystem 10 verbunden.
Als Bildsensor 12 sind beispielsweise CCD- oder CMOS-Kameras,
aber auch Wärmebildgeräte oder dergleichen einsetzbar.
Es können auch weitere Bildsensoren 12 in anderen
nicht dargestellten Ausführungsbeispielen vorgesehen sein,
um beispielsweise Stereobilder erzeugen zu können. Der
Bildsensor 12 übermittelt digitale Bilder der
beobachteten Szene an die Bildverarbeitungseinrichtung 14 über
die Bildsensorsignalleitung 13. Die Bildverarbeitungseinrichtung 13 erzeugt
auf der Ausgangssignalleitung 15 ein Ausgangssignal, welches elektrisch,
digital, akkustisch und/oder visuell zur Anzeige, Information oder
Speicherung an das Fahrerassistenzsystem 10 übertragen
wird.
-
Im
vorliegenden Ausführungsbeispiel ist das Fahrerassistenzsystem 10 ein
Fahrerinformationssystem, welches Verkehrszeichen erkennt und dem Fahrer
zur Anzeige bringt. Im weiteren Ausführungsbeispiel könnte
das Fahrerassistenzsystem 10 auch beispielsweise eine adaptive
Geschwindigkeitsregelvorrichtung für das Kraftfahrzeug 11 ausgebildet sein.
Solche Systeme werden auch als ACC(Adaptive Cruise Control)-Systeme
bezeichnet. In der Publikation Robert Bosch GmbH, „adaptive
Fahrgeschwindigkeitsregelung ACC", gelbe Reihe, Ausgabe 2002,
Technische Unterrichtung sind derartige adaptive Geschwindigkeitsregelvorrichtungen
beschrieben. Diese könnte beispielsweise die Geschwindigkeit
des Kraftfahrzeugs in Abhängigkeit eines erkannten Verkehrszeichens
einregeln.
-
In 2 ist
zur Veranschaulichung eines erfindungsgemäßen
Bildverarbeitungsverfahrens vereinfacht ein digitales Bild 16 des
Bildsensors 12 dargestellt. Auf der Bildverarbeitungseinrichtung 14 läuft das
erfindungsgemäße Bildverarbeitungsverfahren für
das Fahrerassistenzsystem 10 des Kraftfahrzeugs 11 zur Detektion
und Klassifikation wenigstens eines Teils wenigstens eines vorgegebenen
Bildelements 17, welches ein Verkehrszeichen 18 oder
Teile des Verkehrszeichens 18 aufweist, in dem zu durchsuchenden
von dem Bildsensor 12 des Fahrerassistenzsystems 10 erfassten
digitalen Bild 16, ab. Stark vereinfacht ist in dem digitalen
Bild 16 eine Szene mit einer Straße 19 und
einem Baum 20 dargestellt.
-
In 3 ist
das erfindungsgemäße Bildverarbeitungsverfahren,
welches auf der Bildverarbeitungseinrichtung 14 abläuft,
mit weiteren optionalen gestrichelt angedeuteten Schritten als Blockdiagramm
dargestellt. Zur Detektion und Klassifikation des vorgegebenen Bildelements 17 in
dem zu durchsuchenden digitalen Bild 16 werden aus einem
oder mehreren Bildbereichen 21 (s. 2) des zu
durchsuchenden digitalen Bilds 16 erste skaleninvariante Bildmerkmale
und deren relative geometrische Anordnung zueinander in einem Verfahrensschritt
B berechnet, wonach in einem Verfahrensschritt C die ersten skaleninvarianten
Bildmerkmale und deren relative Anordnung zueinander von einem Klassifikator mit
abgespeicherten oder erlernten (in 3 vereinfacht
als Datenbank 22 angedeutet) aus dem vorgegebenen Bildelement 17 berechneten
zweiten skaleninvarianten Bildmerkmalen und deren relativer geometrischer
Anordnung zueinander verglichen werden, wobei als Ergebnis des Vergleichs
von Verfahrensschritt C bei ausreichender Übereinstimmung wenigstens
des Teils des vorgegebenen Bildelements 17 in dem zu durchsuchenden
digitalen Bild 16 detektiert und klassifiziert wird. Dies
wird über die Ausgangssignalleitung 15 an das
Fahrerassistenzsystem 10 übermittelt.
-
Vorab
kann in einem Verfahrensschritt A der Bildbereich 21 durch
eine Suche nach bestimmten geometrischen Formen, vorliegend einem
Rechteck des Verkehrszeichens 18 in dem zu durchsuchenden digitalen
Bild 16 identifiziert werden.
-
In
einem Trainingsschritt T werden aus dem wenigstens einen vorgegebenen
Bildelement 17 die zweiten skaleninvarianten Bildmerkmale
und deren relative geometrische Anordnung zueinander unter Verwendung
der in 4 vereinfacht dargestellten unterschiedlichen
Ausführungsformen 17a, 17b des vorgegebenen
Bildelements 17, insbesondere mit unterschiedlichen Ansichten
oder Schriftzügen des Verkehrszeichens 18 berechnet
und von dem Klassifikator abgespeichert und/oder erlernt.
-
Im
vorliegenden Ausführungsbeispiel werden nur charakteristische
zweite skaleninvariante Bildmerkmale und deren relative geometrische
Position zueinander berücksichtigt. Diese werden in dem Trainingsschritt
T identifiziert.
-
Die
ersten skaleninvarianten Bildmerkmale und die zweiten skaleninvarianten
Bildmerkmale können mittels des Scale-Invariant Feature
Transform-Verfahrens (SIFT-Verfahren) oder des Speeded-Up Robust
Features-Verfahrens (SURF-Verfahren) berechnet werden.
-
Für
die Korrektheit der Detektion und Klassifikation wird ein Maß bestimmt. Über
die Ausgangssignalleitung 15 erhält das Fahrerassistenzsystem 10 von
der Bildverarbeitungseinrichtung 14 das Ergebnis der Detektion
und Klassifikation und damit Informationen, ob ein bestimmtes Verkehrszeichen 18 in dem
digitalen Bild 16 erkannt wurde.
-
Die
Detektion und Klassifikation wird verworfen, wenn das Maß für
die Korrektheit der Detektion und Klassifikation einen vorgegebenen
Schwellwert unterschreitet. Als Maß für die Korrektheit
der Detektion und Klassifikation wird die Anzahl der den Bildpunkten
der ersten skaleninvarianten Bildmerkmale zuordenbaren Bildpunkte
der zweiten skaleninvarianten Bildmerkmale verwendet.
-
Zusätzlich
wird eine aus Sequenzen der zu durchsuchenden digitalen Bilder 16 ermittelte
Eigenbewegung des Kraftfahrzeugs 11 berücksichtigt.
-
Das
erfindungsgemäße Bildverarbeitungsverfahren ist
vorzugsweise als Computerprogramm auf der Bildverarbeitungseinrichtung 14 des
Kraftfahrzeugs 11 realisiert, wobei auch andere Lösungen selbstverständlich
in Frage kommen. Dazu kann das Computerprogramm in einem Speicherelement
(z. B. ROM, EEPROM oder dergleichen) der Bildverarbeitungseinrichtung 14 gespeichert
sein. Durch Abarbeitung auf der Bildverarbeitungseinrichtung 14 wird
das Bildverarbeitungsverfahren ausgeführt. Die Bildverarbeitungseinrichtung 14 kann
einen Mikrocomputer mit einem Mikroprozessor, einen programmierbaren integrierten
Schaltkreis (Field Programmable Gate Array/FPGA), einen anwendungsspezifischen
integ rierten Schaltkreis (Application Specific Integrated Circuit/ASIC),
einen digitalen Signalprozessor (DSP) oder dergleichen aufweisen.
Das Computerprogramm kann auf einem computerlesbaren Datenträger
(Diskette, CD, DVD, Festplatte, USB-Speicher-Stick, Speicherkarte
oder dergleichen) oder einem Internetserver als Computerprogrammprodukt gespeichert
sein und von dort aus in das Speicherelement der Bildverarbeitungseinrichtung 14 übertragen
werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 19842176
A1 [0002]
- - US 6711293 B1 [0007]
- - DE 10338455 A1 [0009]
-
Zitierte Nicht-Patentliteratur
-
- - Herbert Bay,
Andreas Ess, Tinne Tuytelaars, Luc Van Gool, „SURF: Speeded-Up
Robust Features”, Computer Vision and Image Understanding (CVIU),
Vol. 110, No. 3 pp. 346–359, 2008 [0008]
- - Berthold K. P. Horn, ”Closed-form solution of absolute
orientation using unit quaternions”, Journal of the Optical
Society of America A, Vol 4, pages 629–642, April 1987 [0011]
- - Robert Bosch GmbH, „adaptive Fahrgeschwindigkeitsregelung
ACC”, gelbe Reihe, Ausgabe 2002 [0031]