User: Guest  Login
More Searchfields
Simple search
Original title:
Infrastructure and Traffic Monitoring in Aerial Imagery Using Deep Learning Methods
Translated title:
Infrastruktur- und Verkehrsmonitoring in Luftbildern mit Methoden des Deep Learning
Author:
Azimi, Seyedmajid
Year:
2022
Document type:
Dissertation
Faculty/School:
TUM School of Engineering and Design
Advisor:
Bamler, Richard H. G. (Prof. Dr. habil.)
Referee:
Bamler, Richard H. G. (Prof. Dr. habil.); Reinartz, Peter (Prof. Dr.); Fraundorfer, Fiedrich (Assoc. Prof. Dr.)
Language:
en
Subject group:
ALL Allgemeines
TUM classification:
BAU 967; GEO 007
Abstract:
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.
Translated abstract:
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
Date of submission:
17.03.2022
Oral examination:
12.07.2022
File size:
169914062 bytes
Pages:
325
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220712-1651978-1-8
Last change:
19.08.2022
 BibTeX