Login
- 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