Jump to ContentJump to Main Navigation
Show Summary Details
More options …

at - Automatisierungstechnik

Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik

[AT - Automation Technology: Methods and Applications of Control, Regulation, and Information Technology
]

Editor-in-Chief: Bretthauer, Georg

12 Issues per year


IMPACT FACTOR 2016: 0.675

CiteScore 2016: 0.55

SCImago Journal Rank (SJR) 2016: 0.262
Source Normalized Impact per Paper (SNIP) 2016: 0.645

Online
ISSN
2196-677X
See all formats and pricing
More options …
Volume 56, Issue 11 (Nov 2008)

Issues

An Attention-based System Approach for Scene Analysis in Driver Assistance
Ein aufmerksamkeitsbasierter Systemansatz zur Szenenanalyse in der Fahrerassistenz

Thomas Michalke / Robert Kastner
  • 1 Darmstadt University of Technology, Institute for Automatic Control, control Theory an, Darmstadt, Deutschland
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Jürgen Adamy / Sven Bone / Falko Waibel / Marcus Kleinehagenbrock / Jens Gayko / Alexander Gepperth / Jannik Fritsch / Christian Goerick
Published Online: 2009-09-25 | DOI: https://doi.org/10.1524/auto.2008.0737

Abstract

Research on computer vision systems for driver assistance resulted in a variety of isolated approaches mainly performing very specialized tasks like, e. g., lane keeping or traffic sign detection. However, for a full understanding of generic traffic situations, integrated and flexible approaches are needed. We here present a highly integrated vision architecture for an advanced driver assistance system inspired by human cognitive principles. The system uses an attention system as the flexible and generic front-end for all visual processing, allowing a task-specific scene decomposition and search for known objects (based on a short term memory) as well as generic object classes (based on a long term memory). Knowledge fusion, e. g., between an internal 3D representation and a reliable road detection module improves the system performance. The system heavily relies on top-down links to modulate lower processing levels, resulting in a high system robustness.

Zusammenfassung

Bildbasierte Fahrerassistenzsysteme verfügen in der Regel über starre Funktionen, die sehr spezialisierte Aufgaben, wie Spurhaltung oder Verkehrszeichenerkennung, in fest definierten Situationen bearbeiten. Fahrerassistenzsysteme, die in einer großen Bandbreite von möglichen Verkehrssituationen robust und sinnvoll reagieren sollen, benötigen jedoch integrierte und flexiblere Ansätze. In der vorliegenden Arbeit wird ein integriertes Fahrerassistenzsystem vorgestellt, dessen Bildverarbeitungssubsystem durch Signalverarbeitungsprozesse im menschlichen Hirn motiviert ist. Das Subsystem verwendet ein biologisch motiviertes Aufmerksamkeitsmodul als flexibles und generisches Front-end für alle Bildverarbeitungsprozesse. Das Aufmerksamkeitsmodul erlaubt eine aufgabenabhängige Szenenzerlegung, das Wiederfinden von bereits erkannten Objekten aus dem Kurzzeitspeicher des Systems sowie die generische Detektion von beliebigen Objektklassen über den Langzeitspeicher des Systems. Die Fusion von Informationen verschiedener Teilmodule, z.B. zwischen der internen 3D-Umfeldrepräsentation und einem Modul zur Detektion von unmarkierten Straßenflächen, erhöht die Güte des Gesamtsystems. Der Ansatz verwendet rekurrente Signalwege (so genannte top-down Verbindungen), welche Module auf tieferen Systemstufen online dynamisch parametrisieren, um die Robustheit und Reaktionsgeschwindigkeit des Gesamtsystems zu verbessern.

Keywords: attention; human-like signal processing; task-dependent scene interpretation

About the article

* Correspondence address: Darmstadt University of Technology, Institute for Automatic Control, control Theory an, 64283 Darmstadt, Deutschland,


Published Online: 2009-09-25

Published in Print: 2008-11-01


Citation Information: at - Automatisierungstechnik Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik, ISSN (Print) 0178-2312, DOI: https://doi.org/10.1524/auto.2008.0737.

Export Citation

Citing Articles

Here you can find all Crossref-listed publications in which this article is cited. If you would like to receive automatic email messages as soon as this article is cited in other publications, simply activate the “Citation Alert” on the top of this page.

[1]
R. Kastner, T. Michalke, J. Adamy, J. Fritsch, and C. Goerick
IEEE Intelligent Transportation Systems Magazine, 2011, Volume 3, Number 4, Page 20
[2]
Thomas Michalke, Jannik Fritsch, and Christian Goerick
Computer Vision and Image Understanding, 2010, Volume 114, Number 5, Page 548

Comments (0)

Please log in or register to comment.
Log in