![](https://innovation-mobility.com/wp-content/uploads/2021/05/Aufmacher-Videos.jpg)
Wie ein Algorithmus Kamerabilder stabilisiert
Wenn eine Schilderbrücke durch Wind hin und her schwankt, bewegen sich die Kameras mit. Algorithmen verhindern, dass Sensoren falsch messen.
Die Herausforderung: Messfehler durch Wind an den Schilderbrücken
Wie die Bilder des folgenden Videos zeigen, kann der Wind an Schilderbrücken Bilder der Kameras stark verwackeln. Dadurch kommt es zu Messfehlern. Je weiter die Fahrzeuge entfernt sind, umso größer werden sie und können über mehrere hundert Meter hinweg über einen Meter ausmachen.
1. Schritt: Zuordnung Bildpunkte
Zur Vorbereitung für einen Algorithmus werden Bildpunkte aus einem Standbild (rechts) und einem Bild bei Wind (links) zugeordnet.
2. Schritt: Bewegung sichtbar machen
Um sichtbar zu machen, welche Bereiche auf dem Bild sich bewegen, extrahieren Forscher den (bewegungsfreien) Hintergrund. Die Grundlage bietet ein stabiles Bild, das mit dem aktuellen Bild zur Deckung gebracht wird. Die Differenzen sind auf dem Bild letztlich zu sehen. So wird also die Bewegung der Fahrzeuge sichtbar. Auf dem Bild links ist aufgrund der Bewegung der Schilderbrücke auch der Hintergrund zu sehen, bei dem Bild rechts ist das Bild bereits stabilisiert worden. Deswegen sind der Hintergrund und die Fahrbahnmarkierungen darin nicht zu sehen.
3. Schritt: Algorithmus entwickeln und anwenden
Die Aufnahmen zeigen Bilder einer Kamera ohne Stabilisierungsalgorithmus (links) und mit (rechts). Man sieht, dass die Bewegungen der Schilderbrücke keinen Einfluss mehr auf die Bildqualität haben. Das ist die Voraussetzung für einen präzisen digitalen Zwilling.
4. Schritt: Kameras kalibrieren
Kameras müssen kalibriert werden, bevor sie zum Einsatz kommen. Dafür wird Grundinformation von einer hochauflösenden Straßenkarte (HD Map von 3D Mapping Solutions) verwendet, die bestimmte Fixpunkte der Straße „kennt“, etwa Leitpfosten oder Straßenverläufe. Erst wenn alle Kameras kalibriert, also Daten der HD Map und der Kameras zusammengebracht wurden, ist ein präzises Bild möglich.
Die Stabilisierungs- und Kalibrierungsalgorithmen wurden gerade vom wissenschaftlichen Mitarbeiter Marcel Bruckner entwickelt und werden künftig in jeder der eingesetzten Kameras zum Einsatz kommen.
WEITERE AKTUELLE THEMEN
![](https://innovation-mobility.com/wp-content/uploads/2022/06/Aufmacher-Cognition-Factory.jpg)
Cognition Factory: Kameradaten auswerten und visualisieren
Seit Beginn der Forschungen in Providentia++ am digitalen Zwilling ist KI-Spezialist Cognition Factory GmbH auf die Verarbeitung von Kameradaten fokussiert. Geschäftsführer Dr. Claus Lenz mit seinem Resümee.
![](https://innovation-mobility.com/wp-content/uploads/2022/06/Abschluss-1-scaled.jpg)
Digitaler Echtzeitzwilling des Verkehrs: Serienreif und rund um die Uhr einsetzbar
Konsortialführer TU München hat das Forschungsprojekt für automatisiertes und autonomes Fahren Providentia++ entscheidend vorangebracht. TUM-Projektleiter Venkatnarayanan Lakshminarashiman zieht Bilanz.
![](https://innovation-mobility.com/wp-content/uploads/2022/05/Aufmacher-Elektrobit.jpg)
Elektrobit: Test Lab auf stationäre Daten münzen
Elektrobit legt nicht zuletzt durch die Fortschritte in Providentia++ die Basis für Big-Data-Auswertungen von Verkehrsdaten. Simon Tiedemann von Elektrobit über die Entwicklungen im Rahmen von P++.