English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Open

Presents the pdf analysis as premium feature

PDF Analysis

Insights

Presents the summarisation as premium feature

Summarisation

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the zaia usage as premium feature

ZAIA

Zendy Tools

Zendy Plus

Presents the access of premium content as premium feature

Premium Content

Existierende Ansätze zur Fahrbahnerkennung arbeiten — vermutlich prinzipbedingt — auf jeweils nur kleinen Teilmengen der möglichen Fahrbahnkonfigurationen robust. Ein Schlüssel auf dem Weg zu allgemeingültig arbeitenden Verfahren liegt in der massiven Erhöhung der Menge des im Schätzprozess genutzten Vorwissens. Im Hinblick auf eine effiziente, nachvollzieh- und erweiterbare Beschreibung ist eine explizite Repräsentation solchen Wissens anzustreben. Im vorliegenden Beitrag wird eine konzeptuelle und eine geometrische Wissensrepräsentationen für den Diskursbereich Straßen&amp;Kreuzungen vorgestellt. Deren Parameter werden gemeinsam mittels eines Multihypothesen-Ansatzes geschätzt, dessen Eingangsdaten handelsübliche digitale Karten sowie verschiedene videobasierte Objektdetektoren sind. Zur Verifikation der Hypothesen werden die Vorzugsrichtungen der lokalen Textur im Bereich der erwarteten Fahrspurberandungen ausgewertet. Dabei kann gleichzeitig die Messunsicherheit der zur Bildprojektion genutzten Schätzung der Lage des Kamerakoordinatensystems reduziert werden.

„Kreuzungsverstehen” – Ein wissensbasierter Ansatz (“Junction Understanding” – A Knowledge Based Approach)