DE10025678B4 - Kamerabasiertes Precrash-Erkennungssystem - Google Patents

Kamerabasiertes Precrash-Erkennungssystem Download PDF

Info

Publication number
DE10025678B4
DE10025678B4 DE10025678A DE10025678A DE10025678B4 DE 10025678 B4 DE10025678 B4 DE 10025678B4 DE 10025678 A DE10025678 A DE 10025678A DE 10025678 A DE10025678 A DE 10025678A DE 10025678 B4 DE10025678 B4 DE 10025678B4
Authority
DE
Germany
Prior art keywords
distance
classification
regions
road users
camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE10025678A
Other languages
English (en)
Other versions
DE10025678A1 (de
Inventor
Joachim Dipl.-Inform. Gloger
Matthias Dipl.-Inform. Oberländer
Bernd Dipl.-Inform. Woltermann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
DaimlerChrysler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by DaimlerChrysler AG filed Critical DaimlerChrysler AG
Priority to DE10025678A priority Critical patent/DE10025678B4/de
Priority to GB0108720A priority patent/GB2368118B/en
Priority to US09/862,947 priority patent/US6838980B2/en
Priority to FR0106801A priority patent/FR2809360B1/fr
Priority to JP2001154493A priority patent/JP2002059796A/ja
Publication of DE10025678A1 publication Critical patent/DE10025678A1/de
Application granted granted Critical
Publication of DE10025678B4 publication Critical patent/DE10025678B4/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Air Bags (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

Verfahren zur Detektion von Verkehrsteilnehmern und Hindernissen auf der Grundlage von Kamerabildern, zu der Bestimmung deren Entfernung vom Beobachter und zu deren Klassifikation,
dadurch gekennzeichnet,
daß ein auf die Erkennung von Verkehrsteilnehmern und Hindernissen ausgerichteter Klassifikator Regionen innerhalb eines zweidimensionalen, nicht entfernungsaufgelösten Kamerabildes identifiziert,
daß in einem weiteren Schritt diese so identifizierten Regionen markiert und sodann mittels eines entfernungs-messenden Sensors bezüglich ihrer Entfernung vom Beobachter vermessen werden,
und daß anschließend ausgewählte Regionen einer Typ-Klassifikation zur Erkennung der Verkehrsteilnehmer bzw. Hindernisse zugeführt werden.

Description

  • Die Erfindung betrifft ein Verfahren gemäß dem Oberbegriff des Patentanspruches 1 und ein für die Durchführung des Verfahrens geeignete Vorrichtung gemäß dem Oberbegriff des Patentanspruches 15.
  • Die frühzeitige Erkennung eines bevorstehenden Aufpralls eines Verkehrsteilnehmers auf das Fahrzeug eines Beobachters, ermöglicht es den Insassenschutz als auch den Schutz des Kollisionsgegners zu verbessern. Der Zeitgewinn, der durch die visuelle Erfassung und Auswertung des einsehbaren Bereichs vor dem Fahrzeug des Beobachters gewonnen werden kann, erlaubt abgestufte Reaktionen der Insassenschutzsysteme (z.B. eine sanfte Zündung des Airbag), bzw. macht Reaktionen zum Schutz des Kollisionsgegners erst möglich (z.B.: Anhebung der Motorhaube im Falle der Fußgängerkollision). Durch Entwicklungen hin zu schaltbaren Crash-Strukturen wird der Kenntnis über Typ des Unfallgegners (Lkw, Pkw, Kraftrad, Fußgänger) eine immer größere Bedeutung zukommen.
  • Die aktuelle Entwicklung von Precrash-Sensoren befaßt sich u.a. mit der Untersuchung von auf Infrarot-Laser, Ultraschall- oder Radar-Sensoren basierenden Methoden. Nachteile dieser Systeme sind teilweise ihre geringe Reichweite (Ultraschall, Infrarot-Laser) und ihre Unfähigkeit den potentiellen Kollisionsgegner im Sinne einer sicheren Typisierung (Lkw, Pkw, Motorrad, Mensch) zur unterscheiden. Bei radar-basierten Systemen können unter anderem nicht-metallische Objekte (z.B.: Menschen oder Bäume) mit kostengünstigen, für den Fahrzeugeinsatz geeigneten Sensoren nicht zuverlässig detektiert werden. Eine zuverlässige Detektion und sichere Typisierung ist jedoch für eine Anpassung einer optimal gestuften Reaktion von Sicherheitssystemen bezüglich bevorstehender Kollisionen notwendig. Im Rahmen einer solchen gestuften Reaktion sollen beispielsweise im Falle einer Kollision mit einem Fußgänger aktive Maßnahmen zu dessen Schutz ergriffen werden. Denkbar sind hierbei rasche Änderungen in der Gestalt der Fahrzeugkarosserie um die Wahrscheinlichkeit schwerer Kopf- und Beinverletzungen zu reduzieren. Grundvoraussetzung zur Aktivierung dieser Maßnahmen ist jedoch, daß das Schutzsystem in der Lage ist, Verkehrsteilnehmer sicher zu erkennen und ihrem Typ (z.B.: Pkw, Lkw, Radfahrer, Fußgänger) nach zu klassifizieren.
  • Im allgemeinen wird bei Interpretationsverfahren für Bildszenen versucht bereits im ersten Schritt mit einem meist aufwendigen Sensor (Stereo-Sensor oder hochauflösendes Radar bzw. Lidar) neben einer reinen zweidimensionalen Bildinformation bereits mehr-dimensionale Szeneninformation zu gewinnen. Um hierbei Objekte detektieren zu können gehen diese Verfahren jedoch von Modellen, vor allem bzgl. der Lage und Ausrichtung potentieller Ziele sowie einer vorgegebenen, festen Geometrie der Ausrichtung bezüglich Sensor und Umgebung aus. In der Praxis ist jedoch oft festzustellen, daß diese Modelle und Annahmen des öfteren mit den realen Bedingungen nicht übereinstimmen, was dann in Fehlinterpretationen mündet.
  • Aus DE 198 42 827 A1 ist ein Precrashsensierungssystem, in dem Verkehrsteilnehmer und Hindernisse auf der Grundlage von Kamerabildern klassifiziert werden bekannt. Dabei werden von einem Klassifikator Teilbereiche innerhalb des Kamerabildes selektiert und in einem weiteren schritt die so erfaßten Bilder mit vorgegebenen Masken verglichen, um anschließend, nach Erkennung der Kontur eines möglichen Hindernisses, eine Typ-Klassifikation durchzuführen.
  • Ein Verfahren zur Erkennung relevanter Objekte mittels Abstandssensor geht aus DE 196 01 831 A1 hervor. Hierbei werden die Abstandsdaten aller im Erfassungsbereich des Sensors befindlichen Objekte erfaßt und klassifiziert.
    •
  • Aufgabe der Erfindung ist es ein Verfahren und eine geeignete Vorrichtung zu finden, welches es erlaubt Verkehrsteilnehmer auf der Grundlage von Kamerabildern zu detektieren, deren Entfernung vom Beobachter zu bestimmen und die Verkehrsteilnehmer zu klassifizieren.
  • Die Aufgabe wird durch ein Verfahren und eine zur Durchführung dieses Verfahrens geeignete Vorrichtung mit den in den Ansprüchen 1 und 15 beschriebenen Merkmalen gelöst. Hierbei ermöglicht die in mehrere Schritte gegliederte Datenaufnahme und Objektidentifikation die Verwendung konventioneller Sensorik und bietet zugleich das Potential für eine echtzeitfähige Realisierung.
  • Vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung sind in den untergeordneten Ansprüchen angeführt.
  • Das erfindungsgemäße Verfahren identifiziert Regionen innerhalb eines Kamerabildes, in welchem sich Verkehrsteilnehmer oder Hindernisse befinden. In vorteilhafter Weise ist es dabei ausreichend, daß dieses Kamerabild reine zweidimensionale Bildinformation ohne Entfernungsauflösung enthält. Die Identifikation erfolgt mit Hilfe eines speziell auf die zu erkennenden Verkehrsteilnehmern und Hindernissen trainierten Klassifikators. In einem nachfolgenden Schritt, werden sodann die entsprechend identifizierten Regionen markiert und mittels eines entfernungs-messenden Sensors bezüglich ihrer Entfernung vom Beobachter vermessen. Abschließend werden ausgewählte Regionen einer Typ-Klassifikation zur exakten Bestimmung der Art von Verkehrsteilnehmer oder Hindernis zugeführt.
  • Eine zur Durchführung dieses Verfahrens geeignete Vorrichtung enthält eine Monobildkamera, welche mit einer entfernungs-messenden Sensoreinheit gekoppelt ist. Dabei befindet sich dieser Kopplung zwischen- und nachgeschaltet jeweils eine Klassifikationseinheit.
  • In einer vorteilhaften Ausgestaltung der Vorrichtung ist der nachgeschalteten Klassifikationseinheit, welche der Typ-Kassifikation dient, eine Auswahleinheit vorgeschaltet, mit Hilfe derer die Anzahl an zu klassifizierenden Regionen gesteuert werden kann.
    •
  • 1 zeigt schematisch eine vorteilhafte Ausgestaltung einer solchen Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens. Hierbei stellt die Monobildkamera 1 die Bilddaten 10 einer Klassifikationseinheit 2 zur Verfügung, welche Bildregionen die Verkehrsteilnehmer oder Hindernisse enthält identifiziert und der entfernungsmessenden Sensoreinheit 3 die entsprechenden Positionsdaten mitteilt. Die Sensoreinheit 3 vermißt sodann diese Bereiche bezüglich ihrer Entfernung vom Beobachter. Diese Meßdaten 30 stehen dabei, gemeinsam mit den Daten 20 der ersten Klassifikationseinheit 2, einer Auswahleinheit 4 zur Verfügung. Mittels der Auswahleinheit 4 kann der Datenfluß zur nachgeschalteten Einheit zur Typ-Klassifikation von ausgewählten Verkehrsteilnehmern oder Hindernissen 5 gesteuert werden. Der Klassifikationseinheit 5 werden die von der Auswahleinheit ausgewählten Bilddaten 40 zur Klassifikation übermittelt werden. Die Ergebnisse 50 dieser Typ-Klassifikation werden in vorteilhafter Weise einem mit der Klassifikationseinheit verbundenen Gefahrenrechner zur Verfügung gestellt, so daß dieser Entscheidungen über die Notwendigkeit der Einleitung von situationsgerechen Reaktionen auf treffen kann.
  • In einer anderen vorteilhaften Ausgestaltung der erfindungsgemäßen Vorrichtung ist es auch denkbar, daß die Auswahleinheit 4 entfällt und grundsätzlich alle Daten 20 und 30 der Klassifikationseinheit 5 direkt zugeführt werden.
  • In besonders vorteilhafter Weise läßt sich das erfindungsgemäße Verfahren zur Identifikation von Verkehrsteilnehmern und Hindernissen durch die Verwendung eines Hyperpermutations-Netzwerk im Rahmen der Klassifikationseinheit 2 gestalten. Ein solches Netzwerk ist in der Lage mit hoher Geschwindigkeit pixelbasiert innerhalb der Bilddaten 10 Bereiche zu lokalisieren, welche zu einer bestimmten Klasse (hier Verkehrsteilnehmer und Hindernisse) gehören. Der Vorteil der Verwendung einfacher zweidimensionaler Bildinformation, zeigt sich nicht nur darin, daß das Verfahren der Verwendung einer einfachen kostengünstigen Kamera offen steht, sondern insbesondere auch in der Möglichkeit leistungsfähige Klassifikationsalgorithmen unter Echtzeitbedingungen die gesamte Bildinformation auswerten zu lassen. Da die von einer Monobildkamera 1 gelieferte Bildinformation 10 recht simpel ist, ist es im Gegensatz zu herkömmlichen meist auf sehr komplexen Daten arbeitenden Verfahren möglich, jedes einzelne Bildpixel in die Klassifikation mit aufzunehmen.
  • Innerhalb der Klassifikationseinheit 2 wird dem eigentlichen Klassifikator (beispielsweise dem Hyperpermutations-Netzwerk) ein Algorithmus, vorteilhafter weise ein auf diese Aufgabe adaptierter Box-Algorithmus, nachgestellt, welcher zusammengehörige Regionen zu ,regions of interest' ROI zusammenfaßt und markiert, so daß diese einer Weiterverarbeitung zugeführt werden können.
  • Im Rahmen dieser Weiterverarbeitung werden die diesen ROI zugehörigen Bereiche mittels eines entfernungs-messenden Sensors 3 bezüglich ihrer Entfernung vom Beobachter vermessen. In vorteilhafter Weise eignen sich hierfür Radarsysteme oder Stereo-Kamera-Systeme. Da die von diesen Sensoren gewonnenen Daten rein zur Entfernungsschätzung und nicht zu einer Typ-Klassifikation in bezug auf die Art von Verkehrsteilnehmer oder Hindernis herangezogen werden, ist es nicht notwendig diese Sensoren mit extremen Winkelauflösungen und extrem rechenaufwendigen, robusten Modellen auszustatten. Es kann bevorzugt somit also auf bereits im Fahrzeug vorhandene in ihrer Hauptausrichtung auf andere Anwendungen spezialisierte Sensoren zurückgegriffen werden.
  • In einer anderen vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens ist es aber auch denkbar, mittels einer Monobildkamera in Zusammenarbeit mit einer komplexen Bildauswertung, im Bereich der ROI eine Entfernungsschätzung durchführen zu lassen. Da hierbei nur einzelne Ausschnitte (ROI) der gesamten Bildinformation bearbeitet werden müssen, ist beim Einsatz leistungsfähiger Prozessoren möglich, den hohen Rechenaufwand in Echtzeit durchzuführen. Dabei wäre es besonders vorteilhaft, wenn diese Information einem zweiten Verarbeitungsschritt direkt aus den bereits von der Monobildkamera 1 gelieferten Bilddaten 10 gewonnen werden könnte. Auf ist es möglich das System ohne die Verwendung eines zusätzlichen entfernungs-messenden Sensors 3 zu realisieren.
  • In vorteilhafter Weise, wird bei dem erfindungsgemäßen Verfahren die aus der wiederholten Vermessung der Entfernung der Verkehrsteilnehmer oder Hindernisse vom Beobachter gewonnene Information dazu verwendet, die Relativgeschwindigkeit dieser Objekte in Bezug auf den Beobachter zu bestimmen. Besonders vorteilhaft wirkt sich dabei aus, wenn der entfernungs-messende Sensor 3 zusätzlich neben der Entfernungsinformation auch Geschwindigkeitsinformation liefert (z.B.: Doppler-Radar). Auf diese Weise könnte die indirekte Geschwindigkeitsschätzung aus der Abfolge der Entfernungsmessungen entfallen.
  • Die Entfernungs- und Geschwindigkeitsinformation 30 wird gemeinsam mit der Bildinformation 10 einer Auswahleinheit 4 zugeführt. Diese Auswahleinheit entscheidet dann gemäß ihren Vorgaben, welche der Bilddaten einer Typ-Klassifikation innerhalb einer nachgeschalteten Klassifikationseinheit 5 zugeführt werden. Es ist denkbar, dass die Auswahleinheit 4 so konfiguriert wird, daß sie grundsätzlich alle ROI zugehörigen Bilddaten einer Typ-Klassifikation zuführt. Andererseits können aber auch in vorteilhafter Weise nur die Bilddaten jener ROI weitergeleitet werden, welche Verkehrsteilnehmern oder Hindernissen zugeordnet werden, welche bestimmte Kriterien erfüllen. Dabei ist vor allem das vorhandene Gefährdungspotential in Betracht zu ziehen; so zum Beispiel die Größe von Objekten oder deren Geschwindigkeit mit der sie sich auf den Beobachter zu bewegen oder auch deren Relativgeschwindigkeit allgemein (z.B. schnelle oder stehende Objekte).
  • Für die eigentliche Typ-Klassifikation innerhalb der Klassifikationseinheit 5, welche einer exakten Bestimmung der Art von Verkehrsteilnehmer oder Hindernis dient, kann auf bekannte, speziell auf diese Art von Objekten trainierte Klassifikationsalgorithmen zurückgegriffen werden. In vorteilhafter Weise eigenen sich hierzu Neuronale Netze, wie beispielsweise ein Radial-Basis-Funktions-Klassifikator oder eine Support-Vector-Maschine.
  • In vorzüglicher Weise eignen sich das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung zur Früherkennung und Folgeabschätzung von Unfallsituationen (PreCrash-Detektion).

Claims (19)

  1. Verfahren zur Detektion von Verkehrsteilnehmern und Hindernissen auf der Grundlage von Kamerabildern, zu der Bestimmung deren Entfernung vom Beobachter und zu deren Klassifikation, dadurch gekennzeichnet, daß ein auf die Erkennung von Verkehrsteilnehmern und Hindernissen ausgerichteter Klassifikator Regionen innerhalb eines zweidimensionalen, nicht entfernungsaufgelösten Kamerabildes identifiziert, daß in einem weiteren Schritt diese so identifizierten Regionen markiert und sodann mittels eines entfernungs-messenden Sensors bezüglich ihrer Entfernung vom Beobachter vermessen werden, und daß anschließend ausgewählte Regionen einer Typ-Klassifikation zur Erkennung der Verkehrsteilnehmer bzw. Hindernisse zugeführt werden.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß das Kamerabild, welches zur Identifikation von Verkehrsteilnehmern herangezogen wird, nur zweidimensionale Bildinformation, ohne Entfernungsauflösung enthält.
  3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß die aus der Vermessung gewonnenen Informationen zur Bestimmung der Relativgeschwindigkeit der einzelnen Verkehrsteilnehmer bzw. Hindernisse benutzt wird.
  4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß der auf die Erkennung von Verkehrsteilnehmern ausgerichtete Klassifikator ein Hyperpermutations-Netzwerk ist.
  5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß ein Boxalgorithmus zur Markierung von als Verkehrsteilnehmer identifizierten Regionen verwendet wird.
  6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß der entfernungs-messende Sensor ein Radarsensor ist.
  7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß der entfernungs-messende Sensor ein Stereo-Kamerasystem ist.
  8. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß der entfernungs-messende Sensor ein Mono-Kamerasystem ist, welches durch geeignete Bildverarbeitung in der Lage ist Entfernungsschätzungen vorzunehmen.
  9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß das Mono-Kamerasystem das selbe System ist, mittels welchem bereits im ersten Schritt das zweidimensionale, nicht entfernungs-aufgelöste Kamerabild generiert wurde.
  10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß der Klassifikator zur Typ-Klassifikation ein Radial-Basis-Funktions-Klassifikator ist.
  11. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß der Klassifikator zur Typ-Klassifikation eine Support-Vector-Maschine ist.
  12. Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, daß die Auswahl der einer Typ-Klassifikation zu unterziehenden Regionen in Abhängigkeit ihrer Entfernung und/oder Relativgeschwindigkeit bezüglich des Beobachters getroffen wird.
  13. Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, daß die Auswahl der einer Typ-Klassifikation zu unterziehenden Regionen alle als Verkehrsteilnehmer bzw. Hindernis identifizierten Regionen einbezieht.
  14. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das Ergebnis der Typ-Klassifikation einem Gefahrenrechner zur Entscheidung über evtl. einzuleitende Reaktionen übermittelt wird.
  15. Vorrichtung zur Detektion von Verkehrsteilnehmern und Hindernissen auf der Grundlage von Kamerabildern, zu der Bestimmung deren Entfernung vom Beobachter und zu deren Klassifikation dadurch gekennzeichnet, daß eine Monobildkamera 1 mit einer entfernungs-messenden Sensoreinheit 3 gekoppelt ist, und daß sich dieser Kopplung zwischen- und nachgeschaltet jeweils eine Klassifikationseinheit 2 und 5 befindet.
  16. Vorrichtung nach Anspruch 15, dadurch gekennzeichnet, daß die Monobildkamera 1 mit einer Klassifikationseinheit 2 verbunden ist, daß diese Klassifikationseinheit 2 einen Modul zur Identifikation von Bildregionen, welche Verkehrsteilnehmern und Hindernissen zuzuordnen sind, enthält und welcher diese Regionen markiert und die entsprechenden Daten 20 am Ausgang des Moduls für eine Weiterverarbeitung zur Verfügung stellt, daß an den Ausgang des Moduls eine entfernungs-messenden Sensoreinheit 3 gekoppelt ist, welche in der Lage ist, die markierten Bereiche bezüglich ihrer Entfernung vom Beobachter zu vermessen, und diese Meßdaten über eine Verbindung 30 einer Auswahleinheit 4 zur Verfügung stellt, über welche eine zweite Klassifikationseinheit 5 an das Gesamtsystem angeschlossen ist, welche die ihr von der Auswahleinheit 4 gelieferten Regionen 40 bezüglich des Typs von Verkehrsteilnehmer bzw. Hindernis klassifiziert.
  17. Vorrichtung nach einem der Ansprüche 15 oder 16, dadurch gekennzeichnet, daß mit dem Ausgang der Klassifikationseinheit zur Typ-Klassifikation 5 ein Gefahrenrechner verbunden ist.
  18. Verwendung des Verfahrens nach einem der Ansprüche 1 bis 14, zur Früherkennung von Unfallsituationen (PreCrash-Detektion).
  19. Verwendung der Vorrichtung nach einem der Ansprüche 15 bis 17, zur Früherkennung von Unfallsituationen (PreCrash-Detektion).
DE10025678A 2000-05-24 2000-05-24 Kamerabasiertes Precrash-Erkennungssystem Expired - Lifetime DE10025678B4 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE10025678A DE10025678B4 (de) 2000-05-24 2000-05-24 Kamerabasiertes Precrash-Erkennungssystem
GB0108720A GB2368118B (en) 2000-05-24 2001-04-06 Method of and device for detecting ranging and classifying road users and obstacles
US09/862,947 US6838980B2 (en) 2000-05-24 2001-05-22 Camera-based precrash detection system
FR0106801A FR2809360B1 (fr) 2000-05-24 2001-05-23 Systeme de reconnaissance d'etat precedant un crash, base sur l'utilisation d'un appareil de prise de vues
JP2001154493A JP2002059796A (ja) 2000-05-24 2001-05-23 カメラ画像に基づいて道路使用者および障害物を検出し、観察者との距離を求めてクラシフィケーションする方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10025678A DE10025678B4 (de) 2000-05-24 2000-05-24 Kamerabasiertes Precrash-Erkennungssystem

Publications (2)

Publication Number Publication Date
DE10025678A1 DE10025678A1 (de) 2001-12-20
DE10025678B4 true DE10025678B4 (de) 2006-10-19

Family

ID=7643367

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10025678A Expired - Lifetime DE10025678B4 (de) 2000-05-24 2000-05-24 Kamerabasiertes Precrash-Erkennungssystem

Country Status (5)

Country Link
US (1) US6838980B2 (de)
JP (1) JP2002059796A (de)
DE (1) DE10025678B4 (de)
FR (1) FR2809360B1 (de)
GB (1) GB2368118B (de)

Families Citing this family (118)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5877897A (en) 1993-02-26 1999-03-02 Donnelly Corporation Automatic rearview mirror, vehicle lighting control and vehicle interior monitoring system using a photosensor array
US6822563B2 (en) 1997-09-22 2004-11-23 Donnelly Corporation Vehicle imaging system with accessory control
US5910854A (en) 1993-02-26 1999-06-08 Donnelly Corporation Electrochromic polymeric solid films, manufacturing electrochromic devices using such solid films, and processes for making such solid films and devices
US5668663A (en) 1994-05-05 1997-09-16 Donnelly Corporation Electrochromic mirrors and devices
US6891563B2 (en) 1996-05-22 2005-05-10 Donnelly Corporation Vehicular vision system
US7655894B2 (en) 1996-03-25 2010-02-02 Donnelly Corporation Vehicular image sensing system
US6326613B1 (en) 1998-01-07 2001-12-04 Donnelly Corporation Vehicle interior mirror assembly adapted for containing a rain sensor
US8294975B2 (en) 1997-08-25 2012-10-23 Donnelly Corporation Automotive rearview mirror assembly
US6124886A (en) 1997-08-25 2000-09-26 Donnelly Corporation Modular rearview mirror assembly
US6172613B1 (en) 1998-02-18 2001-01-09 Donnelly Corporation Rearview mirror assembly incorporating vehicle information display
US8288711B2 (en) 1998-01-07 2012-10-16 Donnelly Corporation Interior rearview mirror system with forwardly-viewing camera and a control
US6445287B1 (en) 2000-02-28 2002-09-03 Donnelly Corporation Tire inflation assistance monitoring system
US6477464B2 (en) 2000-03-09 2002-11-05 Donnelly Corporation Complete mirror-based global-positioning system (GPS) navigation solution
US6329925B1 (en) * 1999-11-24 2001-12-11 Donnelly Corporation Rearview mirror assembly with added feature modular display
US6693517B2 (en) 2000-04-21 2004-02-17 Donnelly Corporation Vehicle mirror assembly communicating wirelessly with vehicle accessories and occupants
AU2001243285A1 (en) 2000-03-02 2001-09-12 Donnelly Corporation Video mirror systems incorporating an accessory module
US7370983B2 (en) 2000-03-02 2008-05-13 Donnelly Corporation Interior mirror assembly with display
US7167796B2 (en) 2000-03-09 2007-01-23 Donnelly Corporation Vehicle navigation system for use with a telematics system
WO2007053710A2 (en) 2005-11-01 2007-05-10 Donnelly Corporation Interior rearview mirror with display
ES2287266T3 (es) 2001-01-23 2007-12-16 Donnelly Corporation Sistema de iluminacion de vehiculos mejorado.
US7255451B2 (en) 2002-09-20 2007-08-14 Donnelly Corporation Electro-optic mirror cell
US7581859B2 (en) 2005-09-14 2009-09-01 Donnelly Corp. Display device for exterior rearview mirror
DE10141730B4 (de) * 2001-08-25 2009-09-03 Conti Temic Microelectronic Gmbh Verfahren zum Schutz lebender Objekte bei einem Zusammenstoß mit einem Fahrzeug sowie ein Fahrzeug mit einer Steuervorrichtung zur Durchführung des Verfahrens
AU2002359172A1 (en) * 2002-01-16 2003-07-30 Autoliv Development Ab A camera arrangement
DE10204128B4 (de) * 2002-02-01 2011-06-22 Robert Bosch GmbH, 70469 Vorrichtung zur Überrollerkennung
EP1504276B1 (de) 2002-05-03 2012-08-08 Donnelly Corporation Objektdetektionssystem für ein fahrzeug
US6918674B2 (en) 2002-05-03 2005-07-19 Donnelly Corporation Vehicle rearview mirror system
US7329013B2 (en) 2002-06-06 2008-02-12 Donnelly Corporation Interior rearview mirror system with compass
WO2003105099A1 (en) 2002-06-06 2003-12-18 Donnelly Corporation Interior rearview mirror system with compass
AU2002368104A1 (en) * 2002-07-17 2004-02-09 Fico Mirrors, Sa Device and method for the active monitoring of the safety perimeter of a motor vehicle
WO2004021546A2 (de) 2002-08-09 2004-03-11 Conti Temic Microelectronic Gmbh Verkehrsmittel mit einer 3d-entfernungsbildkamera und verfahren zu dessen betrieb
DE10243397B4 (de) * 2002-09-18 2005-09-29 Spies, Martin, Dipl.-Ing. (FH) Sensorsystem zur Auslösung von Schutzmaßnahme für KfZ-Insassen und Fußgänger
AU2003278863A1 (en) 2002-09-20 2004-04-08 Donnelly Corporation Mirror reflective element assembly
US7310177B2 (en) 2002-09-20 2007-12-18 Donnelly Corporation Electro-optic reflective element assembly
WO2004103772A2 (en) 2003-05-19 2004-12-02 Donnelly Corporation Mirror assembly for vehicle
US6860350B2 (en) 2002-12-20 2005-03-01 Motorola, Inc. CMOS camera with integral laser ranging and velocity measurement
US20070019181A1 (en) * 2003-04-17 2007-01-25 Sinclair Kenneth H Object detection system
DE10324217A1 (de) 2003-05-28 2004-12-16 Robert Bosch Gmbh Vorrichtung zur Klassifizierung von wenigstens einem Objekt mit einer Umfeldsensorik
DE10327115B3 (de) * 2003-06-13 2004-11-11 Rehau Ag + Co. Fußgängerschutzsystem für Kraftfahrzeuge
DE10331074A1 (de) * 2003-07-09 2005-02-03 Conti Temic Microelectronic Gmbh Sensoranordnung zur Abstands- und/oder Geschwindigkeitsmessung
JP3925653B2 (ja) * 2003-07-24 2007-06-06 トヨタ自動車株式会社 車両の衝突保護装置
DE10336638A1 (de) 2003-07-25 2005-02-10 Robert Bosch Gmbh Vorrichtung zur Klassifizierung wengistens eines Objekts in einem Fahrzeugumfeld
US6834232B1 (en) * 2003-07-30 2004-12-21 Ford Global Technologies, Llc Dual disimilar sensing object detection and targeting system
DE10335601B4 (de) * 2003-08-04 2016-01-14 Robert Bosch Gmbh Verfahren zur Objektklassifizierung unter Verwendung einer 3D-Modelldatenbank
US7446924B2 (en) 2003-10-02 2008-11-04 Donnelly Corporation Mirror reflective element assembly including electronic component
US7308341B2 (en) 2003-10-14 2007-12-11 Donnelly Corporation Vehicle communication system
DE10349823A1 (de) * 2003-10-24 2005-05-25 Valeo Schalter Und Sensoren Gmbh Verfahren zum Messen von Abständen zwischen einem sich bewegenden Kraftfahrzeug und Objekten
US7069130B2 (en) * 2003-12-09 2006-06-27 Ford Global Technologies, Llc Pre-crash sensing system and method for detecting and classifying objects
EP1709568A4 (de) * 2003-12-15 2009-07-29 Sarnoff Corp Verfahren und vorrichtung zur objektverfolgung vor einer anstehende-kollision-detektion
US7526103B2 (en) 2004-04-15 2009-04-28 Donnelly Corporation Imaging system for vehicle
EP2784722A1 (de) 2004-07-26 2014-10-01 Automotive Systems Laboratory, Inc. Schutzsystem für gefährdete Straßenbenutzer
US7881496B2 (en) 2004-09-30 2011-02-01 Donnelly Corporation Vision system for vehicle
US7480570B2 (en) * 2004-10-18 2009-01-20 Ford Global Technologies Llc Feature target selection for countermeasure performance within a vehicle
DE102005005959B4 (de) * 2005-02-10 2016-12-22 Conti Temic Microelectronic Gmbh Vorrichtung und Verfahren zum Steuern einer Sicherheitsvorrichtung eines Fahrzeugs
JP2006264416A (ja) * 2005-03-22 2006-10-05 Takata Corp 対象物検知システム、保護システム、車両
DE102005021225A1 (de) * 2005-05-09 2006-11-16 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung der Oberflächenbeschaffenheit von Objekten des Straßenverkehrs oder Personen
JP4598653B2 (ja) 2005-05-13 2010-12-15 本田技研工業株式会社 衝突予知装置
EP1883855B1 (de) 2005-05-16 2011-07-20 Donnelly Corporation Fahrzeugspiegelanordnung mit zeichen am reflektierenden teil
CN100405218C (zh) * 2005-08-31 2008-07-23 中国科学院长春光学精密机械与物理研究所 航空相机动态分辨力测试用模拟动态目标发生器
US8850964B2 (en) * 2005-10-20 2014-10-07 Conagra Foods Rdm, Inc. Cooking method and apparatus
MX2008011219A (es) 2006-03-09 2008-09-11 Gentex Corp Montaje de retrovisor para vehiculos que incluye una pantalla de alta intensidad.
DE102006035207B4 (de) 2006-07-29 2022-06-09 Volkswagen Ag Fahrzeug-Objekterfassungsvorrichtung
US7972045B2 (en) 2006-08-11 2011-07-05 Donnelly Corporation Automatic headlamp control system
CN101187985B (zh) * 2006-11-17 2012-02-01 东软集团股份有限公司 确定对象分类器分类边界的方法及装置
EP3624086A1 (de) * 2007-01-25 2020-03-18 Magna Electronics Inc. Radarerfassungssystem für fahrzeug
WO2008149049A1 (en) * 2007-06-05 2008-12-11 Autoliv Development Ab A vehicle safety system
EP2212160A4 (de) * 2007-11-26 2012-07-04 Autoliv Dev System zum klassifizieren von objekten in der nähe eines fahrzeugs
US8154418B2 (en) 2008-03-31 2012-04-10 Magna Mirrors Of America, Inc. Interior rearview mirror system
US7898400B2 (en) * 2008-04-15 2011-03-01 Autoliv Asp, Inc. Enhanced vision road detection system
US8060280B2 (en) * 2008-04-15 2011-11-15 Autoliv Asp, Inc. Vision system for deploying safety systems
JP4697486B2 (ja) 2008-07-23 2011-06-08 株式会社デンソー 自動車制御システム
US9487144B2 (en) 2008-10-16 2016-11-08 Magna Mirrors Of America, Inc. Interior mirror assembly with display
DE102010044219A1 (de) 2010-11-22 2012-05-24 Robert Bosch Gmbh Verfahren zur Erfassung der Umgebung eines Fahrzeugs
US8773535B2 (en) * 2010-12-08 2014-07-08 GM Global Technology Operations LLC Adaptation for clear path detection using reliable local model updating
DE102012001554A1 (de) * 2012-01-26 2013-08-01 Connaught Electronics Ltd. Verfahren zum Betreiben einer Fahrerassistenzeinrichtung eines Kraftfahrzeugs,Fahrerassistenzeinrichtung und Kraftfahrzeug
US10457209B2 (en) 2012-02-22 2019-10-29 Magna Electronics Inc. Vehicle vision system with multi-paned view
US9319637B2 (en) 2012-03-27 2016-04-19 Magna Electronics Inc. Vehicle vision system with lens pollution detection
US8879139B2 (en) 2012-04-24 2014-11-04 Gentex Corporation Display mirror assembly
US9633436B2 (en) 2012-07-26 2017-04-25 Infosys Limited Systems and methods for multi-dimensional object detection
US9707896B2 (en) 2012-10-15 2017-07-18 Magna Electronics Inc. Vehicle camera lens dirt protection via air flow
US9445057B2 (en) 2013-02-20 2016-09-13 Magna Electronics Inc. Vehicle vision system with dirt detection
US20140247349A1 (en) * 2013-03-04 2014-09-04 GM Global Technology Operations LLC Integrated lighting, camera and sensor unit
US9598018B2 (en) 2013-03-15 2017-03-21 Gentex Corporation Display mirror assembly
EP2840007B1 (de) * 2013-08-22 2018-04-04 Honda Research Institute Europe GmbH Konsistente Verhaltenserzeugung eines erweiterten vorhersagbaren Fahrerhilfssystems
US9575315B2 (en) 2013-09-24 2017-02-21 Gentex Corporation Display mirror assembly
US9511715B2 (en) 2014-01-31 2016-12-06 Gentex Corporation Backlighting assembly for display for reducing cross-hatching
EP3119643B1 (de) 2014-03-21 2018-05-23 Gentex Corporation Trimodale anzeigespiegelanordnung
CN106163873B (zh) 2014-04-01 2019-04-26 金泰克斯公司 自动显示镜组件
US9607230B2 (en) 2014-04-16 2017-03-28 Honda Motor Co., Ltd. Mobile object control apparatus and target object detecting apparatus
DE102014212216A1 (de) * 2014-06-17 2015-12-17 Conti Temic Microelectronic Gmbh Verfahren und Fahrerassistenzsystem zur Erfassung eines Fahrzeugumfel-des
US9694751B2 (en) 2014-09-19 2017-07-04 Gentex Corporation Rearview assembly
US9694752B2 (en) 2014-11-07 2017-07-04 Gentex Corporation Full display mirror actuator
US10071689B2 (en) 2014-11-13 2018-09-11 Gentex Corporation Rearview mirror system with a display
KR101997815B1 (ko) 2014-12-03 2019-07-08 젠텍스 코포레이션 디스플레이 미러 어셈블리
USD746744S1 (en) 2014-12-05 2016-01-05 Gentex Corporation Rearview device
US9744907B2 (en) 2014-12-29 2017-08-29 Gentex Corporation Vehicle vision system having adjustable displayed field of view
US9720278B2 (en) 2015-01-22 2017-08-01 Gentex Corporation Low cost optical film stack
CN112665556B (zh) 2015-04-01 2023-09-05 瓦亚视觉传感有限公司 使用被动和主动测量生成场景的三维地图
EP3286038A4 (de) 2015-04-20 2018-04-25 Gentex Corporation Rückspiegelanordnung mit applikation
CN107614324B (zh) 2015-05-18 2020-11-27 金泰克斯公司 完整显示后视装置
EP3310618A4 (de) 2015-06-22 2018-07-04 Gentex Corporation System und verfahren zur verarbeitung von gestreamten videobildern zur korrektur des flimmerns von amplitudenmodulierten lichtern
WO2017075420A1 (en) 2015-10-30 2017-05-04 Gentex Corporation Toggle paddle
CN108349436B (zh) 2015-10-30 2019-12-20 金泰克斯公司 后视装置
USD798207S1 (en) 2015-10-30 2017-09-26 Gentex Corporation Rearview mirror assembly
USD797627S1 (en) 2015-10-30 2017-09-19 Gentex Corporation Rearview mirror device
USD800618S1 (en) 2015-11-02 2017-10-24 Gentex Corporation Toggle paddle for a rear view device
USD845851S1 (en) 2016-03-31 2019-04-16 Gentex Corporation Rearview device
USD817238S1 (en) 2016-04-29 2018-05-08 Gentex Corporation Rearview device
DE102016006044A1 (de) 2016-05-18 2016-11-17 Daimler Ag Verfahren zum Erkennen von Hindernissen
US10025138B2 (en) 2016-06-06 2018-07-17 Gentex Corporation Illuminating display with light gathering structure
USD809984S1 (en) 2016-12-07 2018-02-13 Gentex Corporation Rearview assembly
USD854473S1 (en) 2016-12-16 2019-07-23 Gentex Corporation Rearview assembly
US20180191966A1 (en) 2016-12-30 2018-07-05 Gentex Corporation Full display mirror with on-demand spotter view
US10735638B2 (en) 2017-03-17 2020-08-04 Gentex Corporation Dual display reverse camera system
KR102466310B1 (ko) * 2018-01-09 2022-11-15 삼성전자주식회사 차량에 부착된 전자 장치 및 그 제어 방법
WO2022016277A1 (en) 2020-07-21 2022-01-27 Leddartech Inc. Systems and methods for wide-angle lidar using non-uniform magnification optics
CA3194223A1 (en) 2020-07-21 2021-10-06 Leddartech Inc. Beam-steering device particularly for lidar systems
US11567179B2 (en) 2020-07-21 2023-01-31 Leddartech Inc. Beam-steering device particularly for LIDAR systems

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19601831A1 (de) * 1996-01-19 1997-07-24 Volkswagen Ag Verfahren zur Erkennung von relevanten Objekten
DE4308776C2 (de) * 1992-03-23 1997-08-21 Fuji Heavy Ind Ltd Einrichtung zum Überwachen des Außenraums eines Fahrzeugs
DE19623365A1 (de) * 1996-06-12 1997-12-18 Daimler Benz Ag Verfahren und Anordnung zur Transformation einer Eingangsvariablen
DE19802261A1 (de) * 1998-01-22 1999-07-29 Daimler Chrysler Ag Verfahren zur Signalverarbeitung von Zeitfolgen digitalisierter Bilder
DE19818586C1 (de) * 1998-04-25 1999-09-30 Daimler Chrysler Ag Schutzvorrichtung für ein Kraftfahrzeug
DE19842827A1 (de) * 1998-09-18 2000-03-23 Volkswagen Ag Precrashsensierungssystem
DE19831413A1 (de) * 1998-07-14 2000-04-20 Daimler Chrysler Ag Bildverarbeitungsverfahren und Vorrichtungen zur Erkennung von Objekten im Verkehr

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0785280B2 (ja) * 1992-08-04 1995-09-13 タカタ株式会社 神経回路網による衝突予測判定システム
JP3263699B2 (ja) * 1992-12-22 2002-03-04 三菱電機株式会社 走行環境監視装置
JP2887039B2 (ja) * 1993-03-26 1999-04-26 三菱電機株式会社 車両周辺監視装置
JP3169483B2 (ja) * 1993-06-25 2001-05-28 富士通株式会社 道路環境認識装置
JP3179635B2 (ja) * 1993-08-05 2001-06-25 マツダ株式会社 自動車の障害物検出装置
US5434927A (en) * 1993-12-08 1995-07-18 Minnesota Mining And Manufacturing Company Method and apparatus for machine vision classification and tracking
JP3240835B2 (ja) * 1994-06-09 2001-12-25 株式会社日立製作所 車両用距離計測装置
JPH09142236A (ja) * 1995-11-17 1997-06-03 Mitsubishi Electric Corp 車両の周辺監視方法と周辺監視装置及び周辺監視装置の故障判定方法と周辺監視装置の故障判定装置
JPH09264954A (ja) * 1996-03-29 1997-10-07 Fujitsu Ten Ltd レーダを用いた画像処理システム
EP0820040B1 (de) * 1996-07-17 2004-08-18 Raytheon Company Passive Entfernungsabschätzung unter Verwendung von Bildgrösseabmessungen
JP3843502B2 (ja) * 1996-09-30 2006-11-08 マツダ株式会社 車両用動体認識装置
DE19648826A1 (de) * 1996-11-26 1997-06-12 Johannes Hanusch Kollosionswarnsystem für Fahrzeuge mittels elektronischer Bildauswertung
JP3619628B2 (ja) * 1996-12-19 2005-02-09 株式会社日立製作所 走行環境認識装置
JP3832526B2 (ja) * 1997-06-20 2006-10-11 三菱自動車工業株式会社 車両の走行制御装置
JPH1116099A (ja) * 1997-06-27 1999-01-22 Hitachi Ltd 自動車走行支援装置
JPH1123715A (ja) * 1997-07-01 1999-01-29 Aqueous Res:Kk 車両周辺状況検出装置
JP4389276B2 (ja) * 1997-10-21 2009-12-24 マツダ株式会社 車両の障害物警報装置
DE19749086C1 (de) * 1997-11-06 1999-08-12 Daimler Chrysler Ag Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
JPH11312300A (ja) * 1998-04-27 1999-11-09 Matsushita Electric Ind Co Ltd 車載カメラ
JP3965790B2 (ja) * 1998-07-14 2007-08-29 マツダ株式会社 車両用前部構造
JP2000097963A (ja) * 1998-09-21 2000-04-07 Mitsubishi Electric Corp 移動体の識別装置
DE19928915A1 (de) * 1999-06-24 2001-01-11 Bosch Gmbh Robert Verfahren zur Sichtweitenbestimmung
US6317691B1 (en) * 2000-02-16 2001-11-13 Hrl Laboratories, Llc Collision avoidance system utilizing machine vision taillight tracking
US6424272B1 (en) * 2001-03-30 2002-07-23 Koninklijke Philips Electronics, N.V. Vehicular blind spot vision system
US6424273B1 (en) * 2001-03-30 2002-07-23 Koninklijke Philips Electronics N.V. System to aid a driver to determine whether to change lanes

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4308776C2 (de) * 1992-03-23 1997-08-21 Fuji Heavy Ind Ltd Einrichtung zum Überwachen des Außenraums eines Fahrzeugs
DE19601831A1 (de) * 1996-01-19 1997-07-24 Volkswagen Ag Verfahren zur Erkennung von relevanten Objekten
DE19623365A1 (de) * 1996-06-12 1997-12-18 Daimler Benz Ag Verfahren und Anordnung zur Transformation einer Eingangsvariablen
DE19802261A1 (de) * 1998-01-22 1999-07-29 Daimler Chrysler Ag Verfahren zur Signalverarbeitung von Zeitfolgen digitalisierter Bilder
DE19818586C1 (de) * 1998-04-25 1999-09-30 Daimler Chrysler Ag Schutzvorrichtung für ein Kraftfahrzeug
DE19831413A1 (de) * 1998-07-14 2000-04-20 Daimler Chrysler Ag Bildverarbeitungsverfahren und Vorrichtungen zur Erkennung von Objekten im Verkehr
DE19842827A1 (de) * 1998-09-18 2000-03-23 Volkswagen Ag Precrashsensierungssystem

Also Published As

Publication number Publication date
US20010045981A1 (en) 2001-11-29
GB2368118B (en) 2002-11-27
GB2368118A (en) 2002-04-24
GB0108720D0 (en) 2001-05-30
US6838980B2 (en) 2005-01-04
DE10025678A1 (de) 2001-12-20
FR2809360B1 (fr) 2006-07-14
JP2002059796A (ja) 2002-02-26
FR2809360A1 (fr) 2001-11-30

Similar Documents

Publication Publication Date Title
DE10025678B4 (de) Kamerabasiertes Precrash-Erkennungssystem
DE102016123231B4 (de) Vorrichtung und Verfahren zum Steuern eines Airbags
DE102008001363B4 (de) Verfahren zum Erfassen einer Parkfläche unter Verwendung eines Entfernungssensors
DE102011117585B4 (de) Systeme und Verfahren zum Verfolgen von Objekten
DE112016002257B4 (de) Schutzsteuerungsvorrichtung
EP3053097A1 (de) Verfahren und vorrichtung zur erkennung von verkehrszeichen
DE10336638A1 (de) Vorrichtung zur Klassifizierung wengistens eines Objekts in einem Fahrzeugumfeld
DE102011078615B4 (de) Objekterfassungsvorrichtung und objekterfassungsprogramm
DE102016001733B4 (de) Erweitertes Notbremssystem und Verfahren zur Steuerung und Regelung eines Bremsens davon
EP3044727B1 (de) Verfahren und vorrichtung zur objekterkennung aus tiefenaufgelösten bilddaten
DE102013113619A1 (de) Probabilistische Zielauswahl und Gefahrbewertungsverfahren und Anwendung auf ein Kreuzungs-Kollisonswarnsystem
EP1567888B1 (de) Verfahren zur erfassung der vorausliegenden umgebung eines strassenfahrzeugs mittels eines umgebungserfassungssystems
DE112016003108B4 (de) Schutzsteuervorrichtung
DE102017218366A1 (de) Verfahren und system zur fussgängererfassung in einem fahrzeug
DE102018212655A1 (de) Erkennung der Bewegungsabsicht eines Fußgängers aus Kamerabildern
EP1652161B1 (de) Vorrichtung zur klassifizierung wenigstens eines objekts in einem fahrzeugumfeld
WO2018202552A1 (de) Verfahren und vorrichtung zum klassifizieren von objekten im umfeld eines kraftfahrzeuges
DE102016223541A1 (de) Verfahren und Parametermodul zur Erkennung von Art und/oder Schwere einer Kollision eines Fahrzeugs mit einem Kollisionsobjekt
DE102019103368A1 (de) Erkennung durch fusion mehrerer sensoren
DE102015120014B4 (de) Überwachungsverfahren und -vorrichtung unter Verwendung einer Kamera
DE102004046101A1 (de) Verfahren, Sicherheitsvorrichtung und Verwendung der Sicherheitsvorrichtung zur Früherkennung von Kraftfahrzeugkollisionen
DE102013202915A1 (de) Verfahren und Vorrichtung zum Vermessen einer Parklücke für ein Einparkassistenzsystem eines Kraftfahrzeugs
DE10324217A1 (de) Vorrichtung zur Klassifizierung von wenigstens einem Objekt mit einer Umfeldsensorik
EP1834849B1 (de) Verfahren zur Ermittlung von Objektparametern eines Fußgängers
DE102012009703A1 (de) Verfahren und Vorrichtung zur Personenerkennung im Umfeld eines Kraftfahrzeugs

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8364 No opposition during term of opposition
8327 Change in the person/name/address of the patent owner

Owner name: DAIMLERCHRYSLER AG, 70327 STUTTGART, DE

8327 Change in the person/name/address of the patent owner

Owner name: DAIMLER AG, 70327 STUTTGART, DE

R071 Expiry of right