Verkehrszeichenerkennung: Erschließen Sie die Macht der Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist Verkehrszeichenerkennung
Verkehrszeichenerkennung (TSR) ist eine Technologie, mit der ein Fahrzeug die auf der Straße angebrachten Verkehrszeichen erkennen kann, z. B. „Geschwindigkeitsbegrenzung“ oder „Kinder“ oder „Vorwärts abbiegen“. Dies ist Teil der Funktionen, die zusammenfassend als ADAS bezeichnet werden. Die Technologie wird von verschiedenen Automobilzulieferern entwickelt. Zur Erkennung der Verkehrszeichen werden Bildverarbeitungstechniken eingesetzt. Die Erkennungsmethoden können im Allgemeinen in farbbasierte, formbasierte und lernbasierte Methoden unterteilt werden.
Ihr Nutzen
(I) Einblicke und Validierungen zu folgenden Themen:
Kapitel 1: Verkehrszeichenerkennung
Kapitel 2: Verkehrszeichen
Kapitel 3: Intelligentes Transportsystem
Kapitel 4: Elektronische Stabilitätskontrolle
Kapitel 5: Erweitertes Fahrerassistenzsystem
Kapitel 6: Spurhalteassistent
Kapitel 7: Adaptive Geschwindigkeitsregelung
Kapitel 8: Intelligente Geschwindigkeitsassistenz
Kapitel 9: Fahrerüberwachungssystem
Kapitel 10: Kollisionsvermeidungssystem
(II) Beantwortung der Frage Öffentliche Top-Fragen zur Verkehrszeichenerkennung.
(III) Beispiele aus der Praxis für den Einsatz der Verkehrszeichenerkennung in vielen Bereichen.
Für wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die über grundlegende Kenntnisse oder Informationen für jede Art von Verkehrszeichenerkennung hinausgehen möchten.
Ähnlich wie Verkehrszeichenerkennung
Titel in dieser Serie (100)
Histogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKonturerkennung: Enthüllung der Kunst der visuellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLeast Squares: Optimierungstechniken für Computer Vision: Methoden der kleinsten Quadrate Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenSchätzung der artikulierten Körperhaltung: Erschließung menschlicher Bewegung in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Kamera zur Verkehrsüberwachung: Fortschritte in der Computer Vision für Verkehrsüberwachungskameras Bewertung: 0 von 5 Sternen0 BewertungenSelbstfahrendes Auto: Erforschung von Computer Vision in autonomen Fahrzeugen Bewertung: 0 von 5 Sternen0 BewertungenIntegration der Fahrzeuginfrastruktur: Erschließung von Erkenntnissen und Fortschritten durch Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAutomatische Nummernschilderkennung: Das Potenzial der Computer-Vision-Technologie erschließen Bewertung: 0 von 5 Sternen0 BewertungenIntelligente Kamera: Revolutionierung der visuellen Wahrnehmung mit Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAutonome Autos: Medien- und kulturwissenschaftliche Perspektiven auf die Zukunft der Mobilität Bewertung: 0 von 5 Sternen0 BewertungenPersonenzähler: Erschließung von Erkenntnissen durch visuelle Analysen Bewertung: 0 von 5 Sternen0 BewertungenDigitaler Video-Fingerabdruck: Verbesserung der Sicherheit und Identifizierung in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenMarktstrategien im Mobile Banking: Smartphones als neuer Absatzkanal der Finanzindustrie Bewertung: 0 von 5 Sternen0 BewertungenAutomatische Zielerkennung: Fortschritte in Computer-Vision-Techniken zur Zielerkennung Bewertung: 0 von 5 Sternen0 BewertungenNeues verkehrswissenschaftliches Journal - Ausgabe 25: Sinn² - Die barrierefreie Zwei-Sinne-Fahrgastinformation Bewertung: 0 von 5 Sternen0 BewertungenOptische Zeichenerkennung: Erschließen Sie die Leistungsfähigkeit von Computer Vision für die optische Zeichenerkennung Bewertung: 0 von 5 Sternen0 BewertungenMaschinelles Sehen: Einblicke in die Welt des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDer Einfluss von Better Place auf die Entwicklung der Automobilindustrie: Eine Fallstudie Bewertung: 0 von 5 Sternen0 BewertungenPhysikalisches Rechnen: Erforschung von Computer Vision im Physical Computing Bewertung: 0 von 5 Sternen0 BewertungenRotlichtkamera: Erkundung von Computer-Vision-Anwendungen: Die Perspektive der Rotlichtkamera Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz für Business Analytics: Algorithmen, Plattformen und Anwendungsszenarien Bewertung: 0 von 5 Sternen0 BewertungenVektorgrafiken: Beherrschung von Vektorgrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBarrierefreiheit - greifbar und verständlich: Greifbar und verständlich Bewertung: 0 von 5 Sternen0 BewertungenErweiterte Realität: Erkundung der Grenzen von Computer Vision in Augmented Reality Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGeschäftsmodelle erarbeiten: Modell zur digitalen Transformation etablierter Unternehmen Bewertung: 0 von 5 Sternen0 BewertungenErkundung der Bildsammlung: Enthüllung visueller Landschaften in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenIntelligente Zeichenerkennung: Förderung der maschinellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAndroid Wear: Watchfaces, Micro-Apps und Sensordaten Bewertung: 0 von 5 Sternen0 BewertungenObjekterkennung: Fortschritte, Anwendungen und Algorithmen Bewertung: 0 von 5 Sternen0 BewertungenGesichtserkennungssystem: Erschließen Sie die Kraft der visuellen Intelligenz Bewertung: 0 von 5 Sternen0 BewertungenAudiovisuelle Spracherkennung: Fortschritte, Anwendungen und Erkenntnisse Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Die Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Wissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Verkehrszeichenerkennung
0 Bewertungen0 Rezensionen
Buchvorschau
Verkehrszeichenerkennung - Fouad Sabry
Kapitel 1: Verkehrszeichenerkennung
Die Verkehrszeichenerkennung (TSR) ist eine Technologie, die es einem Auto ermöglicht, Verkehrszeichen wie Geschwindigkeitsbegrenzung
oder Kinder
oder Abbiegen
zu erkennen. Dies ist einer der Aspekte, die zusammen als ADAS bezeichnet werden. Verschiedene Automobilzulieferer entwickeln derzeit die Technologie. Er erkennt Verkehrszeichen mit Hilfe von Bildverarbeitungstechniken. Die Erkennungsansätze können grob als farbbasiert, formbasiert oder lernbasiert klassifiziert werden.
Das Wiener Übereinkommen über Straßenverkehrszeichen ist ein Pakt aus dem Jahr 1968, der die internationale Normung von Verkehrszeichen erleichtert hat. Etwa 52 Länder, darunter 31 aus Europa, haben dieses Abkommen unterzeichnet. Die Norm kategorisiert Verkehrszeichen in sieben Gruppen, die durch die Buchstaben A bis H dargestellt werden. Diese Standardisierung war die treibende Kraft hinter der weltweiten Entwicklung von Verkehrszeichenerkennungssystemen.
Die Verkehrszeichenerkennung debütierte 2008 beim Opel Insignia 2009 in Form der Erkennung von Geschwindigkeitsbegrenzungsschildern.
Darüber hinaus können Technologien der zweiten Generation Überholverbote erkennen. Er wurde 2008 im Opel Insignia eingeführt. Es kann Ortsgrenzschilder nicht erkennen, die in den meisten europäischen Ländern mit Geschwindigkeitsbegrenzungen verbunden sind, weil sie den Richtungsschildern zu ähnlich sind.
Ab Mai 2022 werden solche Systeme voraussichtlich für alle neu verkauften Fahrzeuge in der EU vorgeschrieben sein.
Zahlreiche moderne Pkw, Lkw und Lkw sind mit nach vorne gerichteten Kameras ausgestattet, die Verkehrszeichen auswerten können. Geschwindigkeitsbegrenzungen sind einer der grundlegenden Anwendungsfälle für ein Verkehrszeichenerkennungssystem. Die meisten GPS-Daten würden Geschwindigkeitsinformationen erhalten, aber zusätzliche Verkehrsschilder mit Geschwindigkeitsbegrenzung können auch verwendet werden, um Informationen zu extrahieren und auf dem Armaturenbrett des Fahrzeugs anzuzeigen, um den Fahrer auf das Verkehrszeichen aufmerksam zu machen. Dabei handelt es sich um eine fortschrittliche Fahrerassistenzfunktion, die in den meisten Luxusfahrzeugen, vor allem in europäischen Automobilen, zu finden ist.
Autonome Fahrzeuge und selbstfahrende Autos treiben die Entwicklung von auf Convolutional Neural Networks basierenden Verkehrszeichenerkennungssystemen voran. Unter diesen Umständen muss das Erkennungssystem neben Geschwindigkeitsbegrenzungen auch eine Reihe von Verkehrszeichen erkennen. Darin liegt die Bedeutung des Wiener Übereinkommens über Straßenverkehrszeichen und -signale. Mit Hilfe von Deep-Learning-Techniken kann ein Convolutional Neural Network darauf trainiert werden, diese vorgegebenen Verkehrszeichen zu interpretieren und zu lernen
.
Bildverarbeitung und maschinelles Sehen werden vom neuronalen Netz verwendet, um das Netzwerk mit verschiedenen Ergebnissen zu trainieren. Das trainierte neuronale Netz ist dann in der Lage, neue Verkehrszeichen in Echtzeit zu erkennen. Unternehmen für selbstfahrende Autos wie Waymo und Uber generieren Datensätze zu Verkehrsschildern und lagern sie an Karten- und Navigationsunternehmen wie Tom Tom aus. Dieses Ziel ist hocheffektiv und in Echtzeit realisierbar durch die Anwendung modernster Computer-Vision- und neuronaler Netzwerktechniken.
Es gibt zahlreiche Algorithmen zur Erkennung von Verkehrszeichen. Üblich sind diejenigen, die auf der Form des Schildes basieren. Typische Schilderformen wie Sechsecke, Kreise und Rechtecke werden verwendet, um die verschiedenen Arten von Schildern zu klassifizieren. Weitere wichtige Zeichenerkennungsalgorithmen sind Haar-ähnliche Funktionen, Freeman-Chain-Code, AdaBoost-Erkennung und Ansätze für neuronale Deep-Learning-Netze. Haar-ähnliche Merkmale können verwendet werden, um kaskadierte Klassifikatoren zu erzeugen, die anschließend zur Identifizierung der Zeichentafelzeichen verwendet werden können.
Die Integration von Deep Learning in die Verkehrszeichenerkennung ist möglich. Die polygonale Approximation digitaler Kurven mit dem Ramer-Douglas-Peucker-Algorithmus kann verwendet werden, um die Form von Schildern zu bestimmen, während Ansätze wie Support Vector Machines und Byte-MCT mit dem AdaBoost-Klassifikator verwendet wurden, um Verkehrszeichen zu erkennen.
Informationen können für einen intelligenten Geschwindigkeitsassistenten relevant sein.
Gelegentlich werden Audi-Automobile mit solchen Systemen hergestellt, BMW, Citroën, Ford, Honda, Infiniti, Jaguar, Jeep, Land Rover, Lexus, Mercedes, Nissan, Opel, Peugeot, Porsche, Renault, Toyota, die Marken Volkswagen und Volvo.
Zum Beispiel:
Audi: A8 Audi
Zu den BMW Modellen gehören der BMW 7er, der BMW 5er Gran Turismo und der BMW 5er Reihe.
Mercedes-Benz E-Klasse und Mercedes-Benz S-Klasse
Opel Insignia und Opel Corsa
Saab 9-5
Volkswagen Phaeton
2022+ Lexus GS, Lexus LS und Lexus RX
{Ende Kapitel 1}
Kapitel 2: Verkehrszeichen
Verkehrszeichen oder Straßenschilder sind Schilder, die entlang oder über Straßen aufgestellt werden, um Autofahrern Wegbeschreibungen oder Informationen zu geben. Die erste Beschilderung bestand lediglich aus Holz- oder Steinmarkierungen. Später wurden Schilder mit Richtungsarmen eingeführt, wie z. B. Fingerpfosten im Vereinigten Königreich und ihre hölzernen Entsprechungen in Sachsen.
Seit den 1930er Jahren, als das Verkehrsaufkommen zunahm, haben zahlreiche Nationen Bildzeichen eingeführt oder ihre Schilder anderweitig vereinfacht und standardisiert, um sprachliche Hürden zu überwinden und die Verkehrssicherheit zu verbessern. Diese grafischen Zeichen ersetzen Wörter durch Symbole (oft Silhouetten) und basieren in der Regel auf internationalen Normen. Diese Zeichen haben ihren Ursprung in Europa und wurden in unterschiedlichem Maße von den meisten Nationen übernommen.
Konventionen auf internationaler Ebene, wie z.B. das Wiener Übereinkommen über Verkehrszeichen und Verkehrszeichen, haben zu einer gewissen Standardisierung der Verkehrszeichensysteme vieler Nationen beigetragen. Länder sind auch (bis zu einem gewissen Grad) einseitig anderen Nationen gefolgt, um Verwirrung zu vermeiden.
Verkehrszeichen können in verschiedene Kategorien eingeteilt werden. Anhang 1 des Wiener Übereinkommens von 1968 über Straßenverkehrszeichen und -signale, das bis zum 30. Juni 2004 von 52 Unterzeichnern unterzeichnet wurde, definiert acht Kategorien von Zeichen:
A. Gefahrensignalanlagen
Prioritätsindikatoren
C. Verbots- oder eingeschränkte Zeichen
Obligatorische Beschilderung
E. Spezifische regulatorische Indikation
F. Information, Einrichtung und Service
G. Richtungsgebunden, direktional oder Indikation
Zusätzliche Fenster
Schilder in den Vereinigten Staaten, Kanada, Irland, Australien und Neuseeland fallen unter die folgenden Kategorien:
Regulatorische Zeichen
Warntafeln
Wegweiser
Straßenschilder
Wegweiser
Autobahn-Schilder
Autobahnschilder
Willkommensschilder
Hinweisschilder
Schilder für Freizeit- und Kulturinteressen
Schilder für das Notfallmanagement (Zivilschutz)
Schilder, die auf eine vorübergehende Verkehrsregelung hinweisen (Baustelle oder Baustelle)
Schilder der Schule
Beschilderung für Eisenbahn und Stadtbahn
Fahrrad-Schilder
Die Kategorien, die Platzierung und die grafischen Kriterien für Verkehrszeichen und Fahrbahnmarkierungen in den Vereinigten Staaten sind im Manual on Uniform Traffic Control Devices der Federal Highway Administration gesetzlich geregelt.
Die Unterscheidung zwischen Wegweisern für den Vorweg, Richtungsschildern und Beruhigungsschildern ist bei den Richtungsschildern eher informell. In einem festgelegten Abstand zum Autobahnkreuz geben Richtungsschilder Informationen für jede Richtung. Eine Handvoll Länder bietet keine Informationen für die Straße (sogenannte Durchzugs
-Schilder), sondern nur Anweisungen nach links und rechts. Vorausschauende Hinweisschilder ermöglichen es Autofahrern, Sicherheitsvorkehrungen für die Ausfahrt zu treffen (z. B. Spur wechseln, überprüfen, ob dies die richtige Ausfahrt ist, langsamer fahren). Autofahrer würden ohne sie Ausfahrten verpassen, daher werden sie oft nur auf Schnellstraßen und Autobahnen platziert. Obwohl jedes Land seine eigene Methode hat, befindet sich das erste Zufahrtsschild für eine Autobahnausfahrt in der Regel mindestens 1 Kilometer (0,6 Meilen) vom eigentlichen Autobahnkreuz entfernt. In der Regel folgen diesem Schild vor dem eigentlichen Autobahnkreuz ein oder zwei weitere Richtungsschilder.
Die ältesten Straßenschilder waren Entfernungs- oder Richtungsmarkierungen; So errichteten die Römer um ihr Reich herum Steinsäulen, die die Entfernung zu Rom anzeigten. Laut Strabo stellten die Mauryas im Abstand von 10 Stadien Schilder auf, um ihre Straßen zu kennzeichnen. Im Mittelalter war es üblich, dass multidirektionale Beschilderungen an Kreuzungen den