Anpassung generischer Modelle innerstädtischer Straßenkreuzungen an Bildfolgen

Beim Übergang von 2D- zu 3D-Szenenbeschreibungen ist man mit zunehmendem Detaillierungsgrad der Beschreibungen auf a-priori-Wissen über die dargestellte Szene angewiesen. Mit Hilfe von Modellen der in der Szene auftretenden Objekte ist es möglich, Hypothesen zu generieren, welche in einem Verifikationsprozeß entweder verworfen oder angenommen und schließlich verfeinert werden. Eine solche Vorgehensweise wird als modellgestützte Szeneninterpretation bezeichnet. Um aus Bildern von Straßenverkehrsgeschehen Kreuzungen zu erkennen, werden genetische Modelle von Straßenkreuzungen entwickelt. Mit der Kenntnis über die Position und Orientierung der Kamera gegenüber dem im Bild dargestellten Weltausschnitt können die Modelle in das Bild projiziert und durch geeignete Modifikationen der einzelnen Elemente des Modells an die Abbildung der jeweiligen Straßenszene angepaßt werden. Die Modellanpassung wird mit Hilfe eines Abstandsmaßes zwischen den Geradensegmenten des Modells und den Geradensegment en des Bildes, die das Modell repräsentieren sollen, durchgeführt. Da das Auffinden der Geradensegmente von Bilddaten durch stochastisch bedingte Störungen beeinflußt wird, soll versucht werden, durch Anwendung eines Kalman-Filters eine sukzessive Anpassung zwischen den Modell- und Datengeradensegmenten von Bildern einer Aufnahmefolge durchzuführen, Mit Zunahme der in das Kalman-Filter eingehenden Einzelbilder werden somit die durch stochastische Störungen verfälschten Datengeradensegmente im Vergleich zu denjenigen, die nicht fehlerbehaftet sind, immer weniger gewichtet.