Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Infrastructure and Traffic Monitoring in Aerial Imagery Using Deep Learning Methods
Übersetzter Titel:
Infrastruktur- und Verkehrsmonitoring in Luftbildern mit Methoden des Deep Learning
Autor:
Azimi, Seyedmajid
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Bamler, Richard H. G. (Prof. Dr. habil.)
Gutachter:
Bamler, Richard H. G. (Prof. Dr. habil.); Reinartz, Peter (Prof. Dr.); Fraundorfer, Fiedrich (Assoc. Prof. Dr.)
Sprache:
en
Fachgebiet:
ALL Allgemeines
TU-Systematik:
BAU 967; GEO 007
Kurzfassung:
Infrastructure and traffic monitoring are two of the most innovative applications for automatically extracting semantic information from aerial images which can be used for High-Definition (HD) mapping as a static map in autonomous driving. In this work, several novel Deep Learning algorithms have been developed for generating a detailed hybrid map as the combination of static and dynamic map over a large-area in a short time which includes direct lane-marking extraction from satellite imagery.
Übersetzte Kurzfassung:
Infrastruktur- und Verkehrsmonitoring sind zwei der innovativsten Anwendungen für die automatische Extraktion semantischer Informationen aus Luftbildern, die für High-Definition (HD) Mapping als statische Karte beim autonomen Fahren verwendet werden können. In dieser Arbeit wurden mehrere neuartige Deep-Learning-Algorithmen entwickelt, um in kurzer Zeit eine detaillierte hybride Karte als Kombination aus statischer und dynamischer Karte über ein großes Gebiet zu erstellen.
WWW:
https://mediatum.ub.tum.de/?id=1651978
Eingereicht am:
17.03.2022
Mündliche Prüfung:
12.07.2022
Dateigröße:
169914062 bytes
Seiten:
325
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220712-1651978-1-8
Letzte Änderung:
19.08.2022
 BibTeX