Verteidigung Bachelorarbeit Matthias Jauernig 25.10.06 Einsatz von Algorithmen der Photogrammetrie...
-
Upload
betlinde-rahn -
Category
Documents
-
view
109 -
download
2
Transcript of Verteidigung Bachelorarbeit Matthias Jauernig 25.10.06 Einsatz von Algorithmen der Photogrammetrie...
Verteidigung Bachelorarbeit
Matthias Jauernig
25.10.06
Einsatz von Algorithmen der Photogrammetrie und Bildverarbeitung zur Einblendung spezifischer Lichtraumprofile
in Videosequenzen
Inhalt
1. Einleitung, Zielsetzung und Aufgabenanalyse
2. Vergleichbare Ansätze
3. Photogrammetrie
4. Algorithmus zur Schienenerkennung Linienerkennung und Schienenextraktion Einzeichnung des Lichtraumprofils
5. Testfälle
6. Schlussbemerkungen und Ausblick
(1) Einleitung
Einleitung
Mehr Rechenleistung erlaubt verstärkten Einsatz von Bildverarbeitungstechniken
Eurailscout: Europaweit agierendes Unternehmen Instandhaltung von Bahnanlagen:
Fahrdrahtgeometrie, Oberleitungen, Auswertung von Messvideos
(1)
Zielsetzung
Entwicklung eines Softwaremoduls und darauf basierendes Test-Applikation
Auswertung von Messvideos Einzeichnung eines maßstäblichen
Lichtraumprofils auf aktueller Fahrspur
(1)
Typische Messvideo-Aufnahme(1)
Typische Messvideo-Aufnahme(1)
Bedingungen an die Software
Möglichst hohe Genauigkeit der Einzeichnung
Keine Echzeitanforderungen Test-Applikation kann Prototyp-Charakter
haben
(1)
Aufgabenanalyse
Erkennung der Fahrspur nötig stellt größte Herausforderung dar Vorhandene Algorithmen nutzbar?
Entfernungsmessungen im Bild nötig
(1)
(2) Vergleichbare Ansätze
Vergleichbare Ansätze
Vor allem bei Fahrspurerkennung im Straßenverkehr
Algorithmen kaum übertragbar: Stützen sich auf weitere Annahmen:
homogener Farbbereich, helle Markierungen Weiteres Vorwissen bekannt: minimale
Kurvenradien, keine Spuränderungen, Spurweite
nur Algorithmen-Teile verwendbar
(2)
Entwicklung eines eigenen Algorithmus
(3) Einsatz von Photogrammetrie
Einsatz von Photogrammetrie
Photogrammetrie: beschäftigt sich mit 3D-Rekonstruktion von Objekten aus perspektivischen Abbildungen
Einsatz hier: Math. Zusammenhang zwischen Welt- und
Bildkoordinaten herstellen Entfernungsmessung im Videobild Maßstäbliche Einzeichnung des
Lichtraumprofils
(3)
(4) Algorithmus zur Schienenerkennung
Algorithmus zur Schienenerkennung
Grundlegende Idee: Unterteile Bildraum in horizontale Bereiche Nimm Schienen in jedem Bereich als linear
an Hough-Transformation für Geraden Vorgehen für jedes Bild:
1. Führe Schienenerkennung für jeden Teilbereich i durch Kandidaten wij
2. Ermittle besten Kandidaten W als stückweise lineare Schiene aus wij jedes Teilbereichs i
3. Passe W in Schienenmodell ein
(4)
Einteilung in horizontale Bereiche
(4)
Algorithmus zur Schienenerkennung
Schienenerkennung für jeden Teilbereich:
1. Bildvorverarbeitung
2. Kantenerkennung
3. Hough-Transformation für Geraden
4. Extraktion der besten Schienenkandidaten
(4)
Kantenerkennung
Grundlegend für Funktionieren der Hough-Transformation
Basierend auf lokalen Grauwertunterschieden
Kritischster Teil, muss zuverlässige Ergebnisse liefern
(4)
Hough-Transformation
Voraussetzung: Kantenbild Erkennung von beliebigen
parametrisierbaren geometrischen Objekten: z.B. Geraden, Kreise, Ellipsen
robust, rauschunempfindlich
(4)
Algorithmus im Detail
Erkenne Linien:
(4)
Beste Kandidaten:
Algorithmus im Detail
Wahl bester Kandidaten: 1-normierte gewichtete Summe über folgende Kriterien:
1. Abweichung von idealem Schienenabstand
2. Wert der beiden Linien im Hough-Akku
3. Abweichung von Voraussagewerten
4. Wert des Schienenkandidaten aus vorhergehendem Teilbereich (für obere Teilbereiche)
(4)
Algorithmus im Detail
Erkenne Linien:
(4)
Beste Kandidaten:
Algorithmus im Detail
Erkenne Linien:
(4)
Beste Kandidaten:
Algorithmus im Detail
Erkenne Linien:
(4)
Beste Kandidaten:
Algorithmus im Detail
Teilstücke zu Gewinner zusammenfügen:
(4)
Schienenmodell
In Schienenmodell einpassen:
(4)
Parabolisches bzw. linear-parabolisches Modell
Lichtraumprofil einzeichnen
Einzeichnungsentfernung abmessen und dadurch Fußpunkt ermitteln
Winkel im Fußpunkt bestimmen und Lichtraumprofil entsprechend drehen
Lichtraumprofil einzeichnen
(4)
(5) Testfälle
Testfälle
Beispiel einer perfekten Erkennung:
(5)
Testfälle
Erkennung in schattierter Situation:
(5)
Testfälle
Erkennung im Tunnel:
(5)
Testfälle
Gute Erkennung in schwieriger Situation:
(5)
Testfälle
Unten Schatten als Schiene erkannt:
(5)
Testfälle
Abweichung im oberen Bereich:
(5)
Testfälle
Fehlerkennung bei Tunnel-Einfahrt:
(5)
Testfälle
Falsche Schiene als Fahrspur erkannt:
(5)
(7) Schlussbemerkungen und Ausblick
Schlussbemerkungen
Erreicht: prototypische Entwicklung eines Algorithmus zur Schienenerkennung, arbeitet in vielen Fällen sehr gut
„Flaschenhals“ Kantendetektion Software gut zur Unterstützung
manueller Messvideo-Auswertung geeignet
„Nebenprodukt“ Bildverarbeitungsbibliothek
(7)
Eigener Beitrag
Bildraumbegrenzung Winkelbegrenzung sowie deren Einsatz
bei der Kantendetektion und der HT Algorithmus zur Schienenerkennung:
Unterteilung in horizontale Teilbereiche Extraktion von Linien und
Schienenkandidaten, 4 Kriterien hierbei Zusammensetzung der stückweise linearen
Schiene, Einpassung in Schienenmodell Einzeichnung des Lichtraumprofils
(7)
Ausblick
Weiteres Testmaterial auswerten Verbesserungen des Algorithmus Ersetzung der parabolischen Modelle Weitere Eingrenzung von Bildraum und
Winkelbereich anhand voriger Erkennungen Effizientere Algorithmen-Implementierungen Einbindung des Algorithmus in weitere
Entwicklungen
(7)
EndeVielen Dank für Ihre Aufmerksamkeit!