@misc{LessmannMeuterMueller2018, author = {Lessmann, Stephanie and Meuter, Mirko and Mueller, Dennis}, title = {Method to determine distance of an object from an automated vehicle with a monocular device}, year = {2018}, abstract = {A method of determining the distance of an object from an automated vehicle based on images taken by a monocular image acquiring device. The object is recognized with an object-class by means of an image processing system. Respective position data are determined from the images using a pinhole camera model based on the object-class. Position data indicating in world coordinates the position of a reference point of the object with respect to the plane of the road is used with a scaling factor of the pinhole camera model estimated by means of a Bayes estimator using the position data as observations and under the assumption that the reference point of the object is located on the plane of the road with a predefined probability. The distance of the object from the automated vehicle is calculated from the estimated scaling factor using the pinhole camera model.}, language = {en} } @misc{HaselhoffMuellerMeuteretal.2016, author = {Haselhoff, Anselm Stephan and M{\"u}ller, Dennis and Meuter, Mirko Nicolas and Nunn, Christian Markus}, title = {Verfahren zum Erzeugen eines Trainingsbildes}, year = {2016}, abstract = {Bei einem Verfahren zum Erzeugen eines Trainingsbilds, welches ein zu erkennendes Objekt in einer nat{\"u}rlichen Objektumgebung zeigt, wird das Trainingsbild als synthetisches Bild durch Kombination eines von einer Kamera aufgenommenen Basisbilds und eines Template-Bilds erzeugt, indem mittels eines Shift-Map-Algorithmus ein Strukturmerkmal aus dem Basisbild entfernt und durch ein dem Template-Bild entnommenes Strukturmerkmal ersetzt wird.}, language = {de} } @misc{MeuterNunnMuelleretal.2013, author = {Meuter, Mirko Nicolas and Nunn, Christian Markus and M{\"u}ller, Dennis and G{\"o}rmer, Steffen M.}, title = {Objektverfolgungsverfahren f{\"u}r ein Kamerabasiertes Fahrerassistenzsystem}, year = {2013}, abstract = {Die Erfindung betrifft ein Objektverfolgungsverfahren f{\"u}r ein kamerabasiertes Fahrerassistenzsystem, welches eine in einem eigenen Fahrzeug installierte und in Fahrtrichtung ausgerichtete Kamera zur Aufnahme von Bildern einer in Fahrtrichtung vor dem eigenen Fahrzeug liegenden Fahrzeugumgebung aufweist, mit den Schritten, dass ein ein vorausfahrendes Fahrzeug darstellendes Objekt in einem von der Kamera aufgenommenen Bild detektiert wird und ein Mittelwert und eine Kovarianzmatrix f{\"u}r den aktuellen Zustand des vorausfahrenden Fahrzeugs mittels eines erweiterten Kalman Filters aus der Position und Breite des Objekts in dem Bild gesch{\"a}tzt wird.}, language = {de} } @misc{MuellerMeuterGoermeretal.2013, author = {M{\"u}ller, Dennis and Meuter, Mirko Nicolas and G{\"o}rmer, Steffen Michael and Nunn, Christian Markus and Gavriilidis, Alexandros}, title = {Verfahren zur Erkennung von Funktionsfehlern einer Multisensoranordnung}, year = {2013}, abstract = {Bei einem Verfahren zur Erkennung von Funktionsfehlern eines oder mehrerer Sensoren einer der {\"U}berwachung einer Fahrzeugumgebung dienenden Multisensoranordnung (10) eines Fahrzeugassistenzsystems (12) wird auf der Basis von Informationen aus einer f{\"u}r eine vereinheitlichte Erfassung der aktuellen Fahrzeugumgebung durchgef{\"u}hrten Datenfusion der von den Sensoren der Multisensoranordnung (10) erhaltenen Daten wenigstens eine aktuelle Leistungsgr{\"o}ße der Multisensoranordnung (10) ermittelt. Die ermittelte aktuelle Leistungsgr{\"o}ße wird mit einer entsprechenden, f{\"u}r die fehlerfreie Multisensoranordnung (10) erwarteten Leistungsgr{\"o}ße verglichen. Eine Entscheidung dar{\"u}ber, ob ein Funktionsfehler des bzw. der betreffenden Sensoren der Multisensoranordnung (10) vorliegt oder nicht, wird in Abh{\"a}ngigkeit vom Ergebnis des Vergleichs der auf der Basis der Informationen aus der Sensordatenfusion ermittelten aktuellen Leistungsgr{\"o}ße mit der erwarteten Leistungsgr{\"o}ße der Multisensoranordnung (10) getroffen.}, language = {de} } @misc{ZhaoIurgelMeuteretal.2014, author = {Zhao, Kun and Iurgel, Uri and Meuter, Mirko and M{\"u}ller, Dennis}, title = {Verfahren zum kalibrieren einer Bilderfassungseinrichtung}, year = {2014}, abstract = {Bei einem Verfahren zum Kalibrieren einer Bilderfassungseinrichtung, die an einem Kraftfahrzeug angeordnet ist und in der Lage ist, nacheinander Bilder eines vor dem Kraftfahrzeug befindlichen Verkehrsraums zu erfassen, werden in einem erfassten Bild wenigstens zwei Bildobjekte detektiert, welche in Weltkoordinaten geraden und zueinander im Wesentlichen parallelen Liniensegmenten entsprechen. Anhand der Bildobjekte wird die Position eines Fluchtpunkts in dem erfassten Bild gesch{\"a}tzt und mittels eines Tracking-Verfahrens verfolgt. Dabei wird ein Fehler f{\"u}r die Position des Fluchtpunkts berechnet. Sobald der berechnete Fehler einen vorbestimmten Schwellenwert unterschreitet, wird anhand der zu dem Fehler geh{\"o}rigen Position des Fluchtpunkts die Bilderfassungseinrichtung kalibriert.}, language = {de} } @misc{MuellerNunnMeuteretal.2013, author = {M{\"u}ller, Dennis and Nunn, Christian Markus and Meuter, Mirko Nicolas and G{\"o}rmer, Steffen}, title = {Verfahren zur Erfassung und Best{\"a}tigung kritischer Fahrsituationen}, year = {2013}, abstract = {Es wird ein Verfahren zur Erfassung und Best{\"a}tigung kritischer Fahrsituationen angegeben, beidem ein insbesondere vor einem Fahrzeug befindliches Objekt mittels mehrerer unabh{\"a}ngiger, dem Fahrzeug zugeordneter Sensoreinheiten {\"u}berwacht wird, die von den Sensoreinheiten gelieferten Signale jeweils als Sensorsignal in Form einer diskretisierten Wahrscheinlichkeitsdichtefunktion der betreffenden physikalischen Messgr{\"o}ße {\"u}ber ein definiertes Intervall [0, MAX] bereitgestellt werden, die verschiedenen Sensorsignale zu einem einzigen, ebenfalls die Form einer Wahrscheinlichkeitsdichtefunktion der betreffenden Messgr{\"o}ße aufweisenden Endsignal kombiniert werden und mittels eines lernenden Klassifizierers anhand des kombinierten Endsignal eine endg{\"u}ltige Bewertung der aktuellen Fahrsituation vorgenommen wird.}, language = {de} } @misc{NunnMeuterMuelleretal.2013, author = {Nunn, Christian Markus and Meuter, Mirko Nicolas and M{\"u}ller, Dennis and G{\"o}rmer, Steffen}, title = {Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen}, year = {2013}, abstract = {Bei einem Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen von einem Kraftfahrzeug aus wird mittels einer Bilderfassungseinrichtung in regelm{\"a}ßigen Zeitabst{\"a}nden ein Bild eines vor dem Kraftfahrzeug befindlichen Verkehrsraumes erfasst. In dem erfassten Bild werden diejenigen Bildbereiche als erkannte Fahrspurmarkierungen identifiziert, welche ein vorgegebenes Erkennungskriterium erf{\"u}llen. Wenigstens eine erkannte Fahrspurmarkierung wird als zu verfolgende Fahrspurmarkierung einem Tracking-Prozess unterzogen. Es wird f{\"u}r jede erkannte Fahrspurmarkierung wenigstens ein Pr{\"u}fbereich im Bild definiert. Anhand von Intensit{\"a}tswerten der dem Pr{\"u}fbereich zugeh{\"o}rigen Bildpunkte wird wenigstens eine Kenngr{\"o}ße ermittelt. In Abh{\"a}ngigkeit von der Kenngr{\"o}ße wird die erkannte Fahrspurmarkierung einer von mehreren Fahrspurmarkierungs-Klassen zugeordnet.}, language = {de} } @misc{NunnMeuterMuelleretal.2013, author = {Nunn, Christian Markus and Meuter, Mirko Nicolas and M{\"u}ller, Dennis and G{\"o}rmer, Steffen}, title = {Verfahren zur Detektion und Klassifikation von Objekten}, year = {2013}, abstract = {Bei einem Verfahren zur Detektion und Klassifikation von Objekten wie insbesondere Fahrbahnmarkierungen[AB_DE] ausgehend von einem Bild der Umgebung im Sichtbereich einer insbesondere einem Fahrzeug zugeordneten Bildaufnahmeeinrichtung wird f{\"u}r eine anf{\"a}ngliche Detektion von Objektkandidaten eine schnelle Hough-Transformation ausgef{\"u}hrt, bei der zur Bestimmung einer jeweiligen Votierstelle im Hough-Raum die Gradientenrichtung von ermittelten Kantenpunkten herangezogen wird. Zur Klassifikation der Objektkandidaten und zur Akkumulation zus{\"a}tzlicher Merkmale wird als Hough-Raum ein zus{\"a}tzliche Ebenen umfassender Raum verwendet.}, language = {de} } @misc{BraunRichwinWeber2009, author = {Braun, Alexander and Richwin, Matthias and Weber, Thomas}, title = {Optoelektronische Sensoreinrichtung f{\"u}r ein Kraftfahrzeug}, publisher = {Deutsches Patent- und Markenamt}, pages = {10}, year = {2009}, abstract = {Beschrieben wird eine optoelektronische Sensoreinrichtung f{\"u}r ein Kraftfahrzeug zur unterscheidenden Detektion von Feuchtigkeit und Salzl{\"o}sungen auf einer Fahrzeugscheibe, mit einer Beleuchtungseinheit zur Einstrahlung von Licht in eine Fahrzeugscheibe und mit einem Lichtempf{\"a}nger, welcher von der Fahrzeugscheibe reflektiertes Licht erfasst, sowie mit einem Koppelelement zur Ein- und Auskopplung von Licht in bzw. aus der Fahrzeugscheibe, wobei die Beleuchtungseinrichtung Licht {\"u}ber einen Einfallswinkelbereich in die Fahrzeugscheibe einstrahlt, der sich {\"u}ber mehrere Winkelgrade erstreckt, wobei der Lichtempf{\"a}nger eine Vielzahl von Empfangselementen aufweist, wobei ein optisches System das von der Fahrzeugscheibe in einen Ausfallswinkelbereich reflektierte Licht auf Empfangselemente des Lichtempf{\"a}ngers abbildet und wobei der Lichtempf{\"a}nger ein Signal generiert, aus dem eine Auswertevorrichtung den Grenzwinkel der Totalreflexion an der Fahrzeugscheibe ermittelt.}, language = {de} } @misc{EilertSuckowPiontek2014, author = {Eilert, Eva and Suckow, Manfred and Piontek, Michael}, title = {A method for producing ectoine or a derivative thereof and a yeast cell for use as a host cell in such a method}, organization = {Artes Biotechnology GmbH}, year = {2014}, abstract = {Klassifikationen IPC C12N15/81; C12N15/82; C12P17/12; C12P7/42; CPC C12N15/815 (EP); C12P17/12 (EP);}, language = {en} }