Wspomaganie lokalizacji GPS w pojazdach przy użyciu metod wizyjnych

• Autorzy: Tecław M. , Okarma K.

Warianty tytułu

EN

Supplementing the GPS localization of vehicles using vision based methods

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję zastosowania informacji pozyskiwanych z kamer zainstalowanych w pojeździe do poprawy dokładności jego lokalizacji względem wybranych obiektów np. najbliższego skrzyżowania w odniesieniu do nawigacji satelitarnej bazującej na GPS. Przeprowadzono wstępne badania symulacyjne pozwalające na oszacowanie dokładności wyznaczania odległości z użyciem podejścia stereowizyjnego, zależnej w dużym stopniu od dokładności kalibracji kamer. Przedstawione wyniki estymacji informacji o głębokości dla poszczególnych fragmentów obrazów potwierdzają możliwość efektywnego zastosowania proponowanego podejścia.

The article presents the idea of application of data acquired from cameras installed in the vehicle to improve the accuracy of its location relatively to the selected objects, e.g. nearest crossroads, in relation to the satellite navigation based on the GPS. Preliminary simulations allow to estimate the accuracy of determining the distance using stereovision based approach, dependent largely on the accuracy of the calibration of the cameras. The results of the estimation of depth information for different fragments of images confirm the possibility of effective application of the proposed approach.

Słowa kluczowe

PL

GPS; lokalizacja GPS; kamera wizyjna; samochód

EN

GPS; camera; car

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 10596--10601
• Opis fizyczny: Bibliogr. 11 poz., fot., pełny tekst na CD 3

Twórcy

autor

Tecław M.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37

Bibliografia

• 1. Bay H., Tuytelaars T., Van Gool L.,SURF: Speeded Up Robust Features, Proceedings of the 9th European Conference on Computer Vision ECCV’96. Lecture Notes in Computer Science, Vol. 3951, pp.404–417, Springer-Verlag Berlin Heidelberg
• 2. Bouguet, J. Y. Camera Calibration Toolbox for Matlab, Computational Vision at the California Institute of Technology. http://www.vision.caltech.edu/bouguetj/calib_doc/
• 3. Ke, Y., Sukthankar, R., PCA-SIFT: A More Distinctive Representation for Local Image Descriptors, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition CVPR’2004, pp. II: 506–513
• 4. Kim S., Yoon K.-J., Kweon I.S., Object Recognition Using a Generalized Robust Invariant Feature and Gestalt’s Law of Proximity and Similarity, Proceedings of the Computer Vision and Pattern Recognition Workshop CVPRW'06, pp. 193
• 5. Lazebnik S., Schmid C., Ponce J., Semi-Local Affine Parts for Object Recognition, Proceedings of the British Machine Vision Conference BMVC’2004, pp. II: 779–788
• 6. Lowe D. G., Object Recognition from Local Scale-Invariant Features. Proceedings of the International Conference on Computer Vision ICCV’99, pp. II:1150–1157
• 7. Lin J, Ji X., Xu W., Dai Q., Absolute Depth Estimation from a Single Defocused Image, IEEE Transactions on Image Processing 2013, Vol. 22, No. 11, pp.4545–4550
• 8. Mikolajczyk, K., Schmid, C., A Performance Evaluation of Local Descriptors, IEEE Transactions on Pattern Analysis and Machine Intelligence 2005, Vol. 10, No. 27, pp. 1615–1630
• 9. Saxena A., Sun M., Ng A. Y., Learning 3-D Scene Structure from a Single Still Image,ICCV Workshop on 3D Representation for Recognition (3dRR-07), 2007
• 10. Saxena A., Schulte J., Ng A. Y., Depth Estimation using Monocular and Stereo Cues. Proceedings of the International Joint Conference on Artificial IntelligenceIJCAI’2007, pp. 2197–2203
• 11. ScharsteinD., Szeliski R., A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms,International Journal of Computer Vision 2002,Vol. 47 pp. 7–42