Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Detektion,

3D-Rekonstruktion und Nachverfolgung von mehreren relativ zueinander bewegten starren Objekten aus einer Folge von Bildern mindestens einer Kamera und kann insbesondere im Rahmen eines kamerabasierten Umfelderfassungssystems zum assistierten oder automatisierten Fahren eingesetzt werden. Folgende Verfahren zur Detektion, 3D-Rekonstruktion und Nachverfolgung von Objekten aus Bilddaten einer (einzelnen) Kamera sind bekannt:

Structure From Motion (SFM):

Verbreitete Ansätze zur Extraktion von 3D-Struktur aus Video-Daten nutzen indirekte Verfahren: Als Vorverarbeitungsschritt werden Bildkorrespondenzen mehrerer Kamerabilder identifiziert. Erst in nachfolgenden Schritten werden Epipolar-Geometrie, 3D-Struktur sowie Bestimmung der Relativ-Bewegung der Kamera ermittelt. Der Begriff indirektes Verfahren beschreibt, dass zweistufig zunächst der optische Fluss und danach die 3D-Struktur aus dem Fluss (SFM) gerechnet wird

Bundle-Adjustment:

Bundle-Adjustment (Bündelausgleich) wird verwendet für die Optimierung der Struktur- und Bewegungs-Parameter unter Zuhilfenahme mehrerer Bilder. Es wird ein geometrischer Fehler der Punkt- oder Linien-Korrespondenzen minimiert, etwa der Rückprojektionsfehler.

Photometrisches Bundle-Adjustment:

Photometrisches Bundle-Adjustment (Photometrischer Bündelausgleich) optimiert Struktur und Bewegung auf Basis eines probabilistischen photometrischen

Fehler-Modells unter Zuhilfenahme von Bild-Intensitäten und -Gradienten:

Alismail et al., Photometric Bündle Adjustment for Vision-Based SLAM, arXiv:

1608.02026v1 [cs.CV], 5. August 2016.

Photometrisches Bundle-Adjustment wird auf Ein-Objekt-Probleme angewandt (z.B. Bewegte Kamera + starre, unbewegte Umgebung), dies entspricht dem

Problem der visuellen Odometrie (VO) oder Seif Localization and Mapping (SLAM). Direct Sparse Odometry (DSO) von Engel et al., arXiv:1607.02565v2 [cs.CV], 7. Oktober 2016 ist ein Verfahren, bei dem ein direktes probabilistisches Modell (Minimierung eines photometrischen Fehlers) kombiniert wird mit einer

konsistenten, gemeinsamen Optimierung aller Modellparameter, inklusive

Struktur-Geometrie als inverse Tiefe von Punkten in einem Referenzbild,

Kamera-Trajektorie, wie auch eine affine Sensor-Kennlinie pro Bild, Brennweite und Hauptpunkt. Tracking mittels direktem 3D Image Alignment und photometrischem Bündelausgleich wird verwendet zur Realisierung einer visuellen Odometrie, wobei eine statische Szene angenommen wird. Zur einmaligen Initialisierung wird ein Grob zu Fein Bündelausgleich verwendet, basierend auf zwei Kamera-Bildern. DSO nutzt keine Keypoint-Korrespondenzen und nutzt entweder eine einzelne Kamera oder ein Stereo-Kamerasystem.

SFM mit mehreren Objekten:

Bekannte Verfahren zur 3D Rekonstruktion mehrerer Objekte sind zum Beispiel Keypoint-basierte Verfahren, wobei ein spärliches Fluss-Feld vorab berechnet wird, wie auch Verfahren, welche auf einem vorab berechneten dichten optischen Fluss-Feld basieren. Ranftl et al. zeigen in Dense Monocular Depth Estimation in Complex Dynamic Scenes, DOI: 10.1109/CVPR.2016.440 die Rekonstruktion sich bewegender Objekte zusammen mit ihrer Umgebung. Hierzu wird eine

Bewegungs-Segmentierung (Motion Segmentation) mit einem Pro-Pixel

Assignment zu unterschiedlichen Bewegungsmodellen durchgeführt, basierend auf einem vorab berechneten dichten optischen Fluss.

Es ist eine Aufgabe der Erfindung, eine verbesserte Objekt-Detektion,

3D-Rekonstruktion und Nachverfolgung für mehrere relativ zueinander bewegte Objekte anhand von Bildern einer Kamera oder anhand von Bildern mehrerer starr verbundener Kameras bereitzustellen.

Ein Ausgangspunkt sind folgende Überlegungen:

Indirekte Verfahren sind in gewissen Bereichen und Szenarien dem direkten, photometrischen Ansatz unterlegen, was Genauigkeit und Robustheit betrifft. Eine verringerte Genauigkeit der Vermessung führt bei Multi-Objekt-SFM-Ansätzen zu erhöhten Bereichen mit Mehrdeutigkeiten, welche wiederum zu falschem

Objekt-Clustering führt. Etwa können nur leicht unterschiedlich bewegte Objekte nicht als zwei Objekte erkannt werden. Letztendlich ist die Qualität des Objekt-Clusterings / die Erkennung von bewegten Objekten limitiert durch die mit dem indirekten Ansatz einhergehenden Unsicherheiten in der Fehlerverteilung des vorab bestimmten optischen Flusses, bei spärlichem optischen Fluss ebenfalls durch die niedrige Dichte der Keypoint-Menge. Dies führt zu:

1. Einem eingeschränkten minimalen Raumwinkel pro Bewegungsmodell ( hohe minimale Objektgröße / kleine maximale Objektentfernung),

2. Erhöhte minimale Bewegungsrichtungs-Abweichung, welche durch das Verfahren detektiert werden kann, und

3. Eingeschränkter Anwendbarkeit in Keypoint-armen Situationen.

Zunächst werden im Folgenden Aspekte der Erfindung und ihrer

Ausführungsvarianten beschrieben:

1. Detektion und Tracking mehrerer starrer Objekte mittels direktem 3D Image Alignment und photometrischem Multi-Objekt-Bündelausgleich als Online-Verfahren auf Basis einer Selektion von Key-Zyklen und Selektion von Bild-Punkten (sparse)

Die Erfindung erweitert die Verfahren, wie sie insbesondere für Direct Sparse Odometry (DSO) verwendet werden, um Methoden zum Objekt-Clustering, zur Identifizierung aller verschiedenartig bewegten starren Objekte in Kamera-Videos (die gesamte starre stationäre Umgebung kann hierbei als ein Objekt bezeichnet werden), welche in angepasster Form kombiniert werden mit einem erweiterten photometrischem Bündelausgleich. Das Ergebnis beinhaltet sowohl die Bestimmung der Trajektorie und Struktur von eigenbewegten Objekten, wie auch die Bewegung des Kamerasystems relativ zur unbewegten Umgebung, sowie die Struktur der unbewegten Umgebung.

Online-Verfahren:

Obwohl eine gemeinsame Optimierung aller Parameter auf Basis von Bilddaten mehrerer Zeitpunkte erfolgt, ist das Verfahren zur gleichzeitigen Anwendung während der Datenerfassung geeignet (im Gegensatz zur

Anwendung von Bündelausgleich als Batch-Verfahren nach der

Datenerfassung). Das Verfahren eignet sich auch zur Erfassung von nur temporär sichtbaren Objekten. Sparse, ohne Reqularisierunq:

Es werden zur Reduktion des Rechenaufwandes für den photometrischen Bündelausgleich nur die Bildpunkte selektiert, welche vermutlich einen relevanten Beitrag bzw. einen relevanten Constraint zur Lösung der

Trajektorien-Schätzungen aller Objekte leisten. Dies sind in der Regel um Größenordnungen weniger Punkte als es Pixel in den Eingangsbildern gibt. Es werden keine Regularisierungs-Terme zur Regularisierung der

Tiefenschätzungen benötigt, und die damit einhergehenden potentiellen systematischen Fehler vermieden.

Im Kern der Methode erfolgt eine gemeinsame Optimierung

(Maximum-a-posteriori-Schätzung) folgender Parameter:

- Tiefen mehrerer selektierter Punkte mehrerer selektierter Bilder, für mehrere Objekte, repräsentiert durch die inverse Tiefe (1 Parameter pro

Punkt und Objekt)

- Optional: Normalen-Vektor jedes selektierten Punktes für mehrere Objekte (2 Parameter pro Punkt und Objekt)

- Anzahl der Bewegungsmodelle

- Trajektorie jedes Bewegungsmodells (Pose bzw. 3D-Position und

3D-Rotation zu jedem Key-Zyklus)

- Zuordnung von selektierten Punkten zu Bewegungsmodellen (1 Parameter pro Punkt und Bewegungsmodell, mittels Soft-Assignment oder

Hard-Assignment)

- Schätzung von (z.B. affinen) Sensor-Kennlinie pro Bild (wird im Folgenden aus Gründen der Lesbarkeit nicht notiert; s. beispielsweise Engel et al. DSO Kapitel 2.1 Calibration) und

- Schätzung von Brennweite und Hauptpunkt (wird im Folgenden aus Gründen der Lesbarkeit nicht notiert; s. beispielsweise Engel et al. DSO Kapitel 2.1 Calibration).

Minimiert wird das Fehlerfunktional

E — -ßphoto ^" I ^" E _CO mp T Eg _e o

mit dem photometrischen Fehler der Menge an selektierten unverdeckten Bildpunkten E _photo , einem a-priori Term E _comp , mit Annahmen zur

Komposition der Szene aus mehreren Bewegungsmodellen, sowie E _geo mit a-priori-Annahmen zur Geometrie einzelner Objekte. Der photometrische Fehler-Term ist definiert über

Mit dem photometrischen Fehler E™· einer Beobachtung in Bild j eines Punktes p bzgl. eines Bewegungsmodells m

Hierbei ist M die Menge der Bewegungsmodelle, g ^m eine optionale

Wichtung auf Basis eines A-Priori-Modells der geometrischen Fehler des Kameramodells, welche sich in Abhängigkeit der Objektgröße

unterschiedlich stark auswirken, F die Menge aller Bilder im dynamischen Bündelausgleichs-Fenster, P _t die Menge aller aktiven Punkte des Bildes i, obs(p ) die Menge aller anderen Bilder mit Beobachtungen des Punktes p. w _n ist eine Wichtung der Pattern-Punkte n (Nachbarschaft N _p um p), I _t und I _j bezeichnen Grauwerte zweier Bilder, p™ die Projektion eines Punktes n in ein Kamerabild j mittels des Bewegungsmodells m und zugeordneten inversen Tiefen id™. p™ bezeichnet die Wahrscheinlichkeit der

Zugehörigkeit eines Punktes zum Bewegungsmodell m, wobei gilt:

II. || _v bezeichnet die Huber-Norm.

Da die Anzahl an Bewegungsmodellen im Allgemeinen nicht beobachtbar ist, soll die minimale Anzahl bevorzugt werden. Hierzu wird ein a-priori Term Ecomp definiert, ggf. abhängig von Parametern, mit Annahmen über die Wahrscheinlichkeitsverteilung der Anzahl der Objekte. Etwa kann E _comp eine streng monoton steigende Funktion der Anzahl der Objekte sein, oder angelehnt werden an das Kriterium der Minimum Description Length

(minimalen Beschreibungslänge).

Der a-priori Term E _geo kann Geometrie-Annahmen repräsentieren, etwa eine Kompaktheits-Forderung von Objekten, um Mehrdeutigkeiten im Clustering entgegenzuwirken. Es wird z. B. eine Wahrscheinlichkeit modelliert für voneinander abweichende Objektzugehörigkeit (also für Objektgrenzen) bei Betrachtung eines jeden Paares von benachbarten Punkten. Hierdurch werden Objekt-Segmentierungen mit möglichst wenigen Objektgrenzen bevorzugt. Der Term kann entfallen etwa bei Anwendungsszenarien mit wenig Mehrdeutigkeiten.

Zur Feststellung der Beobachtbarkeit bzw. der Menge obs(p) werden zunächst Projektionen außerhalb der Bildränder oder mit negativer Tiefe (in der Ziel-Kamera) entfernt. Zur Feststellung von Verdeckungen durch andere Strukturen wird z.B. der photometrische Fehler jeder Projektion bewertet, oder die Verdeckungsanalyse verwendet (siehe„Verdeckungen“). Optimierung

Zur Optimierung des Fehlerfunktionals wird alternierend bei fixer

Objektzuordnung Levenberg-Marquardt für Trajektorien- und

Strukturparameter angewandt (dies entspricht dem photometrischen

Bündelausgleich pro Objekt), und anschließend bei fixer Geometrie und fixer

Anzahl an Objekten etwa die Interior-Point-Methode, (bei Anwendung von Soft-Assignment), oder etwa Graph-Cut zur Optimierung der

Zugehörigkeiten. Hierfür werden Tiefen-Parameter eines jeden selektierten Punktes für fremde Objekte benötigt, diese können vorab optimiert werden, sofern sie nicht während des Bündelausgleichs optimiert wurden.

In einer übergeordneten Optimierungs-Schleife wird alternierend zunächst wie beschrieben wiederholend Struktur, Trajektorie und Objektzuordnung optimiert, bis hierbei eine Konvergenz erreicht ist, und dann zur Optimierung der Anzahl der Bewegungsmodelle Hypothesen für neue Konfigurationen

(Objekte und deren Punktzuordnung) derart gebildet, dass eine Verringerung des Gesamtfehlers zu erwarten ist. Neue Konfigurations-Hypothesen werden nach dem Verfahren zur Initialisierung evaluiert [siehe auch Fig.4] Kev-Zvklus-Manaqement

Die optimale Selektion von Bildern aus dem Bilddatenstrom zur Nutzung im Bündelausgleich kann Objekt-spezifisch sein. Eine beispielhafte Strategie wäre: Ein Objekt ist fast ruhend ^sehr niedrige Key-Zyklus-Frequenz wählen, anderes Objekt bewegt sich schnell ^hohe Key-Zyklus-Frequenz wählen.

Mögliches Problem: Clustering-Parameter können nicht optimiert werden, da nicht für alle Objekte für die Vereinigungsmenge aller Key-Zyklen der photometrische Fehlerterm ermittelt werden kann, weil die Objekt-Pose im Bündelausgleich nur an den Objekt-spezifischen Key-Zyklen ermittelt wird.

Mögliche Lösung:

Für alle Objekte werden für alle fremden Qeweils nicht Objekt-spezifischen) Key-Zyklen die Posen mittels Direct Image Alignment ermittelt. Dabei wird nur die Pose zu diesen Zeitpunkten ermittelt, ohne eine Optimierung der Struktur. Nun kann für jeden Punkt und jedes Bewegungsmodell zu jedem eigenen und fremden Key-Zyklus der photometrische Fehler-Term ermittelt werden, welcher für die Optimierung der

Punkt-Bewegungsmodell-Zuordnung benötigt wird.

Wurde in einem Zyklus für kein Objekt eine Änderung der Selektion der Key-Zyklen vorgenommen, ergeben sich keine neuen Daten für die nachfolgenden Optimierung. In diesem Fall reduziert sich der Zyklus auf reines Tracking bzw. Schätzung der Pose der Objekte via Direct Image Alignment.

Hypothesenbildunq (1 ): Detektion eines weiteren Bewequnqsmodells

Die Detektion eines weiteren Bewequnqsmodells bzw. eines weiteren anders bewegten Objekts geschieht durch folgendes Verfahren: Hypothesen für Objekt-Konfigurationen (Eine Hypothese H ist eine konkrete Menge bzw. Annahme aller Modellparameter-Werte) können auf Basis einer Analyse der (photometrischen) Fehler von zusätzlichen, dichter gestreuten Punkten mit optimierten Tiefen gebildet werden (diese zusätzlichen Punkte sind nicht beteiligt am photometrischen Bündelausgleich). Es werden örtliche und zeitliche Häufungen von hohen Fehlern einer ausoptimierten Hypothese H _old (etwa die Konfiguration der letzten Iteration) ermittelt, und ggf. eine neue Hypothese H _new , definiert, wobei die neue Hypothese ein weiteres Objekt beinhaltet im Bereich der ermittelten Fehler-Häufung. Das Kriterium für das Aufsetzen und Evaluieren einer neuen Hypothese könnte wie folgt definiert sein: wobei C _photo (H _new ) eine heuristische Abschätzung des erwarteten photometrischen Fehlers der neuen Hypothese ist, etwa basierend auf A-Priori-Annahmen und der ermittelten Fehler-Häufungen. Es wird zunächst nur eine heuristische Abschätzung C _photo (fl _new ) verwendet, da Struktur und

Trajektorie des neuen Objektes noch nicht genau bekannt sind. Eine Evaluation der Hypothese (und damit die Ermittlung von E _photo (ß _new ) und

E ( H _new )) geschieht während den Optimierungen der Initialisierung. Die Hypothese wird während der grob-zu-fein-lnitialisierung verworfen, wenn der Gesamtfehler größer wird, verglichen mit dem Gesamtfehler einer anderen ausoptimierten Hypothese (etwa die Konfiguration der letzten Iteration). Eine letzte, nicht verworfene Hypothese wird zur neuen Konfiguration für den aktuellen Zyklus.

Eine Modellierung von Verdeckungen, die nachfolgend beschrieben wird, ist wichtig bei der Hypothesenbildung, um Falsch-Positiv-Detektionen durch Verdeckungen zu vermeiden.

Hypothesenbildunq (2): Eliminierung eines Bewequnqsmodells

Sofern festgestellt wird, dass zu viele Objekte angenommen werden, also dass die Existenz von gewissen Bewegungsmodellen den Gesamtfehler erhöht, werden diese Bewegungsmodelle und die zugehörigen Parameter aus dem Fehlerfunktional eliminiert. Zur Feststellung, ob die Existenz eines Bewegungsmodells den Gesamtfehler erhöht, wird folgendes Vorgehen angewendet:

Für jedes Objekt wird regelmäßig auf Basis der bisherigen

Konfigurationshypothese H _oM eine neue Konfigurations-Hypothese H _new gebildet, welche dieses Objekt nicht mehr beinhaltet. H _new wird optimiert und der Gesamtfehler dabei bestimmt. Generell ist für Hypothesen mit einem entfernten Objekt i. d. R. zu erwarten, dass E _comp {H _new ) < E _comp (H _old ) und E _phot o(H _new ) > E _photo (H _old ) sind. Es wird nun geprüft, ob E ( H _new ) <

E ( H _old ) ist, also ob der Gesamtfehler der neuen Hypothese kleiner ist als der der ursprünglichen Hypothese. Falls ja, wird die neue Hypothese übernommen, also das Bewegungsmodell entfernt.

Statt der vollständigen Optimierung (also gemeinsame Optimierung aller Modellparameter) einer neuen Hypothese kann folgende Vereinfachung erfolgen, welche eine obere Schranke für den Gesamtfehler ermittelt: Es werden nur die Punktzuordnungen der Punkte optimiert, welche dem eliminierten Objekt zugeordnet waren, und alle Struktur- und

Trajektorien parameter werden beibehalten. Dieses Vorgehen ist dann sehr schnell. Initialisierung neuer Punkt-Tiefen bei bekannten Bewequnqsmodellen

Die Optimierung einer neuen Punkt-Tiefe kann durch eine eindimensionale Brute-Force-Suche über diskretisierte Tiefenwerte erfolgen mit

anschließender Levenberg-Marquard Optimierung. Die

Diskretisierungs-Abstände werden dem erwarteten Konvergenzradius der

Optimierung angepasst (etwa im 1 Pixel Abstand der Projektionen).

Alternativ kann zur Reduktion der Laufzeit, eine Kombination aus grob-zu-fein-Ansatz und Brute-Force-Suche angewendet werden:

Für ein Bild kann eine Bildpyramide erzeugt werden, bei der z.B.

Pyramidenstufe 0 dem Originalbild (mit voller Pixelauflösung),

Pyramidenstufe 1 dem Bild mit halber Pixelauflösung (entlang jeder Bildachse), Pyramidenstufe 2 dem Bild mit einem Viertel der Pixelauflösung und so weiter entsprechen.

Beginnend mit einer groben Pyramidenstufe (reduzierter Pixelauflösung) werden nach Brute-Force-Suche über (der Pyramidenauflösung

angepassten) diskretisierte Tiefenwerte bei hohen Fehlerwerten

Punkt-Tiefen-Bereiche ausgeschlossen. Nach Wechsel auf eine feinere Pyramidenstufe werden nur die noch nicht ausgeschlossenen

Punkt-Tiefen-Bereiche via Brute-Force-Suche erneut evaluiert. Später, etwa nach Abschluss der feinsten Pyramidenstufe, wird mittels

Levenberg-Marquard die beste Tiefen-Hypothese verfeinert. Andere verbleibende Hypothesen können vermerkt werden zur Indikation von Mehrdeutigkeiten der jeweiligen Punkt-Tiefe.

Während der Initialisierung müssen Verdeckungen und sonstige nicht modellierte Einflüsse berücksichtigt werden, etwa durch das Verfahren in

Abschnitt„Verdeckungen“, durch Entfernung von Ausreißer-Projektionen, und/oder Gewichtung von Projektionen, etwa anhand einer

a-priori-Annahme der Wahrscheinlichkeit der Verdeckung in Abhängigkeit des zeitlichen Abstandes.

Initialisierung neuer Bewequnqsmodelle und deren Punkt-Tiefen Struktur- und Trajektorien-Parameter von neuen Bewegungsmodellen sind zunächst unbekannt und müssen innerhalb des Konvergenzradius des nicht-konvexen Optimierungs-Problems initialisiert werden. Das Erzeugen von Korrespondenzen in einer Bildfolge (spärlicher oder dichter optischer Fluss) ist rechenintensiv, und kann fehleranfällig sein. Die Erfindung löst auch das Problem der Initialisierung von lokalen

Bewegungsmodellen ohne die Notwendigkeit der expliziten Berechnung des optischen Flusses zwischen den Key-Zyklen.

Mögliche Probleme:

1. Der Konvergenzbereich des photometrischen Bündelausgleichs kann grob abgeschätzt werden mit dem Bereich im Parameter-Raum, in dem alle Projektionen in alle Bilder nicht weiter als ungefähr 1 Pixel von der korrekten Projektion entfernt sind. Alle Parameter der T rajektorie (mehrere Bilder!) sowie Punkt-Tiefen müssen also ausreichend gut initialisiert sein, sodass möglichst viele Projektionen von Punkten bereits maximal 1 Pixel Entfernung zur korrekten Lösung haben, bevor eine Levenberg-Marquardt-Optimierung vorgenommen werden kann.

2. Es stehen keine Korrespondenzen bzw. optischer Fluss zur Verfügung für eine Generierung einer initialen Bewegungsschätzung

Mögliche Lösung: Statt des globalen 2-Frame Grob-Zu-Fein-Ansatzes des DSO wird ein neuer lokaler„Multi Frame Nah-Zu-Fern / Grob-zu-Fein Ansatz“ verwendet:

Lokale Struktur Parameter aller Key-Zyklen werden mit 1 ,

Trajektorien-Parameter mit 0 initialisiert. (Alternativ können für die

Initialwerte a-priori-Annahmen, sowie eine übergeordnete

Brute-Force-Suche einfließen, wie weiter unten aufgeführt).

Zunächst werden

a) nur Punkte auf einer gröber gewählten Pyramidenstufe, sowie

b) nur deren Observationen evaluiert, welche zeitlich/örtlich nahe zum

jeweiligen Besitzer-Bild sind (z.B. werden für einen Punkt des fünften Bildes zunächst nur Observationen evaluiert im vierten und sechsten Bild).

Während der Bündelausgleichs-Optimierung wird nun sukzessive die Auflösung erhöht, wie auch zunehmend fernere Observationen evaluiert. Spätestens in der letzten Iteration wird die maximal aufgelöste

Pyramidenstufe, sowie alle Observationen verwendet. a) und b) sorgen in Kombination für eine deutliche Erweiterung des

Konvergenzbereiches im Parameterraum: Es werden so nur Terme evaluiert, für die der aktuelle Zustand (i. d. R.) in dem Bereich ist, in dem das Minimum der Linearisierung eine gute Approximation des tatsächlichen Minimums ist.

Während der lokalen Multi Frame Nah-Zu-Fern- / Grob-zu-Fein-lnitialisierung werden abwechselnd Struktur + Trajektorie, und Punktzugehörigkeiten optimiert. Mit zunehmender Auflösung wird das Objekt-Clustering genauer.

Da auch mittels des beschriebenen Ansatzes nicht immer die Konvergenz zum globalen Minimum garantiert ist, kann zusätzlich eine

Grob-zu-Fein-Brute-Force-Suche angewendet werden, ähnlich des weiter oben beschriebenen Ansatzes zur Initialisierung von Punkt-Tiefen:

Verschiedene Initialwerthypothesen werden beginnend mit einer groben Pyramidenstufe optimiert und kontinuierlich selektiert durch Überprüfung des Fehlers, sodass idealerweise nur die korrekte Konfigurations-Hypothese bis zur feinsten Pyramidenstufe ausoptimiert wird.

Die für die Grob-zu-Fein-Brute-Force-Suche notwendigen diskretisierten Startwerte können von einem A-Priori-Objektmodell abgeleitet werden, was etwa Bereiche typischer Objekttrajektorien und Tiefen einer konvexen Form vorschlägt, wobei die Kamera-Eigenbewegung gegenüber dem starren Hintergrund„subtrahiert“ werden kann. Initiale Punkt-Tiefen des neuen Bewegungsmodells können auch abgeleitet werden aus optimierten Tiefen des alten Objektclusterings mit weniger Bewegungsmodellen.

Vorteile:

Neben der Notwendigkeit, alle Parameter mehrerer Frames zu initialisieren, sind die Vorteile gegenüber dem 2-Frame Grob-Zu-Fein-Ansatzes des DSO die implizite Nutzung von Trilinear-Constraints (>= 3 Frames) schon in der ersten Iteration, welche erst dazu führen, dass Line-Feature-artige Punkte einen Constraint darstellen. So ist auch die Identifikation von falsch zugeordneten Punkten als„Modell-fremd“ bereits in der ersten Iteration zuverlässiger. Zusätzlich wurde Grob-zu-Fein-Brute-Force-Suche ergänzt, um das Risiko der Konvergenz zu lokalen Minima zu reduzieren (Das photometrische Bündelausgleichs-Problem ist stark nicht-konvex, beinhaltet also lokale Minima).

Verdeckungen

Mögliches Problem:

Verdeckungen sind im Bündelausgleichs-Fehler nicht modelliert und führen zu potentiell fehlerhaftem Objekt-Clustering bzw. zu fehlerhaften

Hypothesen.

Die Modellierung von Verdeckungen ist aufgrund des„sparse“ Ansatzes schwierig.

Mögliche Lösung:

Die für die Hypothesenbildung genutzte sehr dichte Punktverteilung kann genutzt werden, um gegenseitige Verdeckung von Punkten geometrisch vorherzusagen. Ist eine Verdeckung von Observationen ermittelt, werden diese Observationen aus dem Fehlerfunktional gelöscht.

Im Multi-Objekt-Fall muss für die Modellierung von Verdeckungen zwischen Objekten eine ungefähre relative Skalierung bekannt sein, welche z.B. mit spezifischen Domain-Modell-Annahmen geschätzt werden kann, sofern keine Stereo-Information vorliegt. Die relative Skalierung unterschiedlicher Objekte kann auch mithilfe einer zusätzlichen Detektion von Verdeckungen bzw. Feststellung einer Tiefenordnung der Objekte ermittelt werden. Dies kann z.B. realisiert werden, indem bei vorhergesagter Kollision bzw.

Überlappung zweier Punkte zweier Objekte anhand deren photometrischer Fehler festgestellt wird, welcher Punkt bzw. welches Objekt im Vordergrund ist.

Selektion von Punkten

Punkte zur Selektion für den (spärlichen) Bündelausgleich werden derart selektiert, dass auch für kleine Objekte möglichst alle im Bild vorhandenen Constraints genutzt werden. Etwa werden pro Objekt eine fixe Anzahl an Punkten selektiert. Dies kann dazu führen, dass für sehr kleine Objekte eine sehr dichte Punktselektion, und damit effektiv die Nutzung fast aller verfügbaren relevanten Bildinformation der Bildausschnitte erfolgt, welche das Objekt abbilden.

So ergibt sich bei Betrachtung des gesamten Raumwinkels eines

Kamera-Bildes eine heterogene Punktdichte, jedoch für individuelle Objekte eine gleichmäßige Dichteverteilung.

Erweiterung des Verfahrens auf ein Multi-Kamera-System

Die Erfindung erweitert den Multi Objekt Ansatz aus 1. um

Multi-Kamera-Systeme: Videos von (einer oder) mehreren synchronisierten Kameras, welche starr verbunden sind, mit potentiell verschiedenen intrinsischen Eigenschaften (z.B. Brennweite / Verzeichnung) und

Erfassungsbereichen werden in einem gemeinsamen Optimierungsprozess verarbeitet.

Im Kontext von Multi-Kamera-Systemen umfasst der Begriff Key-Zyklus (engl key cycle,„Schlüsselzyklus“) die Menge der Bilder aller Kameras, welche zu einem Kamerazyklus bzw. Aufnahmezeitpunkt erfasst werden.

Das Fehlerfunktional wird angepasst, so dass

a) Die unterschiedlichen Kameramodelle, wie auch die (vorab bekannten) relativ-Positionen der Kameras durch unterschiedliche

Projektionsfunktionen p™ modelliert werden

b) pro Zeitzyklus und Bewegungs-Modell Positions-Parameter (Rotation und Translation) bzgl. eines Kamerasystem-Bezugspunktes geschätzt werden (anstatt bzgl. eines Kamera-Zentrums), und

c) F die Menge aller Bilder aller Kameras der selektierten Key-Zyklen

repräsentiert, sowie obs(p) die Menge aller Bilder mit Beobachtungen eines Punktes p in allen Kameras und Key-Zyklen (optional können redundante Beobachtungen entfernt werden, um Rechenzeit

einzusparen). Punkte können in allen Bildern in F selektiert werden.

Diese Formulierung bzw. dieser Ansatz nutzt alle verfügbaren Constraints zwischen allen Bildern aller Kameras, und macht keine Annahmen zu Kamerasystem-Konfigurationen. Er ist somit anwendbar auf beliebige Base-Lines, Kamera-Ausrichtungen, beliebige überlappende oder nicht überlappende Erfassungsbereiche, wie auch stark heterogene intrinsischen Eigenschaften (etwa Tele-Optik und Fischaugen-Optik). Ein

Anwendungsbeispiel wäre ein Kamerasystem mit sowohl

Weitwinkel-Kameras in alle (Himmels-)Richtungen, als auch wenige

Tele-Kameras (oder Stereo-Kameras) ausgerichtet in kritische

Raumrichtungen.

Das Tracking mittels Direct Image Alignment wird erweitert zum Multi Kamera Direct Image Alignment. Es ergeben sich dieselben Änderungen wie im photometrischen Multi-Kamera-Bündelausgleich:

Es wird eine Trajektorien-Optimierung bzgl. eines

Kamerasystem-Bezugspunktes durchgeführt (statt bzgl. des

Kamera-Zentrums), während die Summe der photometrischen Fehler in allen Kameras minimiert wird. Hierbei werden ebenfalls alle verfügbaren

Constraints verwendet, also auch photometrische Fehler von

Inter-Kamera-Projektionen. Ebenfalls müssen hier die Projektionsfunktionen spezifisch an das jeweilige Kameramodell und Relativ-Position im

Kamerasystem angepasst werden.

Initialisierung:

Da die Minimierung des neuen Fehlerfunktionals auch Teil der Initialisierung von Konfigurationshypothesen ist, werden auch in der Initialisierungsphase alle verfügbaren Constraints aller Kameras genutzt. Z.B. wird dadurch die Skalierung von Objekten im Überlappungsbereich automatisch bestimmt. Objekte, welche in einer Kamera initialisiert werden, und später in ein Sichtfeld einer zweiten Kamera gelangen, müssen ggf. neu initialisiert werden, wenn die geschätzte Skalierung stark vom korrekten Wert abweicht.

Visuelle Odometrie mit erhöhter Präzision und Skalierung Sowohl die Segmentierung des starren Hintergrunds, als auch die Nutzung der Multi Kamera Optimierung erhöht die Präzision und Robustheit der Visuellen Odometrie vgl. mit DSO, insbesondere in schwierigen Szenarien mit bewegten Objekten in großen Teilen des Bildes, oder in Szenen mit wenig Strukturen in nur einer Kamera.

Bei Kamerasystemen mit statischen oder dynamischen

Überlappungsbereichen kann aufgrund der Auswertung der

Inter-Kamera-Beobachtungen von Punkten bei bekanntem Maßstab der Relativpositionen der Kameras die absolute Skalierung der Visuellen

Odometrie ermittelt werden. Autokalibrierung von intrinsischen photometrischen, intrinsischen geometrischen und extrinsischen Parametern

Die Vignettierung kann parametrisch approximiert bzw. modelliert werden. Gleiches gilt für ein Modell der Sensor-Kennlinie. Die sich ergebenden Parameter jeder Kamera können im oben beschriebenen direkten Multi Objekt Bündelausgleich optimiert werden. Aufgrund der hohen Genauigkeit der Struktur- und Trajektorien-Schätzungen, sowie aufgrund der

Modellierung von eigenbewegten Objekten ist eine erhöhte Genauigkeit der Modell-Optimierung zu erwarten, etwa im Vergleich zur Kombination mit einer reinen Visuellen Odometrie. Modellierung von Verzeichnung und Bestimmung von intrinsischen geometrischen Parametern: Die sich ergebenden Parameter jeder Kamera können im oben beschriebenen direkten Multi Objekt Bündelausgleich optimiert werden. Aufgrund der hohen Genauigkeit der Struktur- und Trajektorien-Schätzungen, sowie aufgrund der Modellierung von

eigenbewegten Objekten ist eine erhöhte Genauigkeit der

Modell-Optimierung zu erwarten, etwa im Vergleich zur Kombination mit einer reinen Visuellen Odometrie.

Schätzung von extrinsischen Parametern: Die Positionen der Kameras relativ zueinander können im oben beschriebenen direkten Multi Objekt Bündelausgleich optimiert werden. Aufgrund der hohen Genauigkeit der Struktur- und Trajektorien-Schätzungen, sowie aufgrund der Modellierung von eigenbewegten Objekten ist eine erhöhte Genauigkeit der

Modell-Optimierung zu erwarten, etwa im Vergleich zur Kombination mit einer reinen Visuellen Multi-Kamera-Odometrie.

Zu beachten ist hier: Soll eine metrische Rekonstruktion erfolgen, ist mindestens ein Abstand zweier Kameras als absolute metrische Referenz festzuhalten, um Drift der Skalierung zu vermeiden. Initialwerte aller Parameter der Kamera-Kalibrierungen müssen vorab ermittelt und dem Verfahren bereitgestellt werden. Hierbei ist zu

gewährleisten, dass durch ausreichende Genauigkeit der Initialwerte der Parametervektor innerhalb des Konvergenzbereiches des Fehlerfunktionals der gröbsten Pyramidenstufe liegt. Die Initialwerte können des Weiteren zusammen mit einer A-Priori-Verteilung einfließen in das Fehlerfunktional, um Anwendungs-abhängigen Mehrdeutigkeiten vorzubeugen. Des Weiteren können Constraints zu den Kalibrier-Parametern, welche beim

Verwerfen/Austauschen eines Key-Zyklus gelöscht werden würden, in linearisierter Form beibehalten werden mittels des u.a. bei DSO verwendeten Verfahrens der Marginalisierung. Fusion mit anderen Sensoren und Methoden

a. Eine Fusion mit anderen Methoden der Objekterkennung (z.B.

Mustererkennung (Deep Neural Networks, ...)) verspricht hohes Potential, da die Fehlerverteilungen beider Ansätze weitestgehend unkorreliert sind. Ein exemplarischer Anwendungsfall besteht in einer Objekt-Detektion, 3D-Rekonstruktion und Tracking zur Fusion mit Mustererkennungs-basierenden Systemen in einem automatisierten Fahrzeug mit einer Stereo-Kamera sowie einem Surround-View Kamerasystem. b. Eine Fusion mit einer Inertial-Sensorik und einer Odometrie im

Fahrzeug verspricht hohes Potential zur Lösung der

Eigenbewegungssschätzung (== 3D Rekonstruktion des„Objektes“ statische Umgebung) in kritischen Szenarien, und kann die

Bestimmung absoluter Skalierungen ermöglichen. c. Eine Fusion mit weiteren Umfelderfassungssensoren, insbesondere Radar und/oder Lidar.

6. Anwendungen

Anwendung von 1. bis 5. zur Detektion und Tracking von bewegten

Verkehrsteilnehmern, Rekonstruktion der starren unbewegten

Fahrzeug-Umgebung, sowie der Schätzung der Eigenbewegung durch ein Fahrerassistenz-(ADAS)-System oderein System für automatisiertes Fahren (AD, Automated Driving).

Anwendung von 1. bis 5. für die Umfelderfassung und unterstützend zur Selbstlokalisierung in autonomen Systemen wie Robotern oder Drohnen, unterstützend zur Selbstlokalisierung von VR-Brillen oder Smartphones, 3D-Rekonstruktion von bewegten Objekten in der Überwachung (Stationäre Kamera, etwa Verkehrsüberwachung).

Vorteile der Erfindung und ihrer Ausführungsvarianten

1. Das vorgeschlagene Verfahren benötigt keine lokale Korrespondenzsuche als Vorverarbeitungsschritt, welcher eine nicht triviale, fehleranfällige und Laufzeit-Intensive Aufgabe darstellt.

2. Das vorgeschlagene Verfahren ermöglicht gegenüber indirekten Methoden in kritischen Situationen eine teils deutlich erhöhte Genauigkeit aller

Schätzungen. Eine Erhöhung der Bewegungsschätzungs-Genauigkeit führt im Multi Objekt Clustering zu einer Auflösung von Mehrdeutigkeiten, etwa die Trennung/Identifikation zweier Objekte, welche sich im Kamerabild fast gleich bewegen, bzw. deren Bewegungsrichtung fast dieselbe ist.

3. Das Lock-On-Verhalten von direkten, photometrischen Methoden begünstigt bei geichzeitigem Vorhandensein von mehreren Bewegungsmodellen eine Konvergenz der Lösung des Ein-Objekt-Problems zu dem dominanten Bewegungsmodell (im Gegensatz zur Konvergenz zu einer falschen

,,Kompromiss“-Lösung), das zweite Bewegungsmodell kann dann als solches identifiziert werden. Dieses Verhalten wirkt sich vorteilhaft bei der Unterscheidung von Bewegungsmodellen aus, und verbessert die

Konvergenz des Multi-Objekt-Problem zu der korrekten Gesamtlösung. Diese Eigenschaft ist bei klassischen indirekten Methoden nicht vorhanden. 4. Durch die Identifikation von bewegten Objekten wird die Visuelle Odometrie verbessert: Bewegte Objekte sind in herkömmlichen Verfahren (z.B. DSO) Störfaktoren. Im neuen Ansatz werden bewegte Objekte automatisch identifiziert und aus der Eigenbewegungsschätzung anhand der stationären Umgebung eliminiert.

5. Das beschriebene Verfahren erlaubt das nahezu beliebig dichte Samplen von Pixeln aus Kontrast-behafteten Regionen, welche miteinbezogen werden. Zusammen mit der vergleichsweise hohen Schätz-Genauigkeit von Bewegung und Struktur erlaubt dies, dass Objekte mit vergleichsweise kleinem Raumwinkel und vergleichsweise niedriger Auflösung detektiert und insbesondere nachverfolgt (getrackt) werden können.

Diese Eigenschaft ist bei klassischen indirekten Methoden ebenfalls nicht gegeben. 6. Durch Verwendung der Multi-Kamera-Erweiterung wird der

Erfassungsbereich vergrößert, und / oder die Auflösung in einem

Winkelbereich erhöht, was jeweils zur Erhöhung der Robustheit und

Genauigkeit der Gesamtlösung führt. Des Weiteren:

a. Durch die Verwendung von Kameras, deren vereinigter erfasster Raumwinkel möglichst groß ist, (z.B. Mehrkamerasystem, welches horizontal die gesamten 360 Grad abdeckt) wird eine hohe Genauigkeit und Robustheit der Eigenbewegungsschätzung erreicht. b. Die Kombination von a) mit zusätzlich einer oder mehreren Kameras mit hoher Reichweite / Auflösung (Tele-Kamera) erlaubt zusätzlich die Trajektorien von entfernten Objekten genauer zu vermessen, und diese von der durch a) erreichten robusten und genauen

Eigenbewegungsschätzung (bzw. von der relativen Bewegung der statischen Umgebung) abzugrenzen. c. Überlappungsbereiche der Sichtbereiche zweier Kameras entstehen, in welchen absolute Skalierungen der Struktur beobachtbar sind, sofern die Positionen der Kameras relativ zueinander bekannt sind. Durch Nutzung der Ideen a) und b) sind auch absolute Entfernungsschätzungen möglich anhand des Überlappungsbereichs von stark heterogenen Kameras, etwa Tele- und Fischaugenkameras. d. Durch die in den Überlappungsbereichen vorhandenen

Stereo-Tiefen Informationen wird die Erkennung von bewegten Objekten signifikant vereinfacht und auch in für den Mono-Fall mehrdeutigen Situationen möglich, etwa wenn Objekte dieselbe

Bewegungsrichtung, aber unterschiedliche Geschwindigkeit aufweisen, was z.B. im Straßenverkehr nicht unüblich ist.

7. Dynamische Schätzung relevanter Kamera-Parameter: Autokalibrierung von intrinsisch-photometrischen, intrinsisch-geometrischen und extrinsischen

Parametern erhöht die Genauigkeit der kalibrierten Parameter deutlich gegenüber einer einmaligen Kalibrierung.

Ein erfindungsgemäßes (computerimplementiertes) Verfahren zur Detektion, 3D-Rekonstruktion und Nachverfolgung von mehreren relativ zueinander bewegten starren Objekten aus einer Folge von Bildern mindestens einer Kamera umfasst die Schritte:

a) Auswählen von Bildern zu bestimmten Aufnahme-Zeitpunkten (=Key-Zyklen) aus der Folge von Bildern der mindestens einen Kamera,

b) gemeinsame Optimierung aller Parameter eines Modells zur Beschreibung der relativ zueinander bewegten starren Objekte anhand der Bilder der Key-Zyklen auf der Basis von spärlich (sparse) selektierten Bildpunkten in den Key-Zyklen, wobei das Modell Parameter zur Beschreibung der Anzahl, der 3D-Struktur, der Posen der starren Objekte in den Key-Zyklen, und einer Zuordnung der selektierten Bildpunkten zu den starren Objekten umfasst, durch

c) Minimierung eines Fehlerfunktionals (S20), wobei das Fehlerfunktional einen photometrischen Fehler E _photo , der von Intensitäten von Bildern mehrerer Key-Zyklen abhängt, und einen ersten A-Priori-Energie-Term E _comp , der von der Anzahl an starren Objekten abhängig ist, umfasst, und

d) Zyklische Ausgabe der anhand der (aktuell) aus der Folge von Bildern detektierten Anzahl, 3D-Struktur und Trajektorie der relativ zueinander bewegten starren Objekte.

Die mindestens eine Kamera kann eine einzelne monokulare Kamera oder ein Mehrkamerasystem sein. Die Kamera bzw. das Mehrkamerasystem kann insbesondere in einem Fahrzeug angeordnet sein zur Erfassung der Umgebung des Fahrzeugs während dem Fährbetrieb des Fahrzeugs. Im Falle eines

fahrzeuggebundenen Mehrkamerasystems kann es sich insbesondere um ein Stereokamerasystem oder um ein Rundumsichtkamerasystem (Surround View Camera System) handeln, bei dem z.B. vier an den vier Seiten des Fahrzeugs montierte Satellitenkameras mit großem Öffnungswinkel eine 360 Grad Erfassung der Fahrzeugumgebung gewährleisten, oder auch um eine Kombination aus beiden Kamerasystemen.

Als eines der mehreren relativ zueinander bewegten starren Objekte wird in aller Regel der gesamte stationäre Hintergrund gewählt. Zusätzlich zur starren stationären Umgebung wird mindestens ein weiteres eigenbewegtes starres Objekt detektiert, 3D-rekonstruiert und nachverfolgt (getrackt). Das eigenbewegte starre Objekt bewegt sich somit relativ zu dem stationären„Hintergrundobjekt“. Sofern auch die mindestens eine Kamera während der Aufnahme der Folge von Bildern eine Bewegung ausgeführt hat, haben sich das stationäre Hintergrundobjekt relativ zur Kamera und in der Regel auch das eigenbewegte starre Objekt relativ zur Kamera bewegt.

Die Optimierung in Schritt a) erfolgt auf der Basis von spärlich („sparse“) selektierten Bildpunkten bzw. auf der Basis einer spärlichen Menge an Bildpunkten, also nicht auf der Basis von allen Bildpunkten eines Bildes oder Bildausschnittes („dense“) und auch nicht auf zu Teilen dicht („semi-dense“) selektierten

Bildbereichen. Beispielsweise zeigen J. Engel et al. in LSD-SLAM: Large-Scale Direct Monocular SLAM, ECCV, September 2014 ein Verfahren mit„semi-dense“ Tiefenkarten. Selektiert werden können insbesondere Bildpunkte, welche jeweils einen eigenen Beitrag zur Rekonstruktion der Bewegung liefern, etwa indem sie einen Mindestabstand zu anderen Punkten aufweisen, und sich in

charakteristischer Weise von ihrer unmittelbaren Umgebung abheben, so dass sie in folgenden Bildern gut identifizierbar sind. Die 3D-Struktur eines (hypothetischen) Objekts entspricht der räumlichen Geometrie des Objekts. Die Pose eines Objekts entspricht der Position und Orientierung des Objekts im dreidimensionalen Raum. Der zeitliche Verlauf der Posen eines Objekts entspricht der Trajektorie dieses Objekts. Bevorzugt kann die Ausgabe der Parameter, die die Anzahl, 3D-Strukturen und Trajektorien der Objekte festlegen, zyklisch, insbesondere„online“ erfolgen, gemeint ist in Echtzeit bzw. kontinuierlich während des Empfangene von neuen Bildern der mindestens einen Kamera. Die Bilder können„so schnell verarbeitet werden wie neue Bilder entstehen“.

Gemäß einer bevorzugten Weiterbildung des Verfahrens umfasst das

Fehlerfunktional einen zweiten A-Priori-Energie-Term E _geo , der von der Geometrie (3D-Struktur) der starren Objekte abhängig ist.

Vorzugsweise umfasst das Fehlerfunktional folgende (Modell-) Parameter:

eine inverse Tiefe für jeden selektierten Bildpunkt pro Bewegungsmodell;

eine Anzahl an Bewegungsmodellen, wobei jedem aktuell angenommenen bewegten starren Objekt ein Bewegungsmodell zugeordnet wird;

eine Pose (3D-Position und 3D-Rotation, d.h. 6 Parameter) pro Bewegungsmodell und aktivem Key-Zyklus; und

eine Zuordnungswahrscheinlichkeit jedes selektierten Bildpunkts zu jedem

Bewegungsmodell. Nach der Optimierung ist die Zuordnungswahrscheinlichkeit für einen selektierten Bildpunkt für ein Bewegungsmodell gleich eins und für die übrigen Bewegungsmodelle gleich Null.

Optional wird ein Normalenvektor eines jeden selektierten Bildpunkts pro

Bewegungsmodell als zusätzliche Parameter berücksichtigt.

Vorzugsweise umfasst das Fehlerfunktional zusätzlich folgende (Modell-)

Parameter:

eine Sensor-Kennlinie für jedes Bild und eine Brennweite und Hauptpunkt für jede Kamera (s. beispielsweise Engel et al. DSO Kapitel 2.1 Calibration), so dass die gemeinsame Optimierung aller Parameter eine Autokalibrierung der mindestens einen Kamera bewirkt. Bevorzugt wird ein Direct Image Alignment mit einer oder mehreren

Bildpyramiden-Stufen für die Nachverfolgung einzelner Objekte durchgeführt.

Hierbei kann die relative 3D-Position und 3D-Rotation (Pose) eines in einem Zyklus sichtbaren Objekts auf Basis von Bildern anderer Zyklen und Tiefen-Schätzungen mittels dreidimensionaler Bildregistrierung und optional mittels grob-zu-fein-Ansatz geschätzt werden.

In vorteilhafter Weise werden zur Optimierung des Fehlerfunktionals alternierend Trajektorien- und Strukturparameter mittels photometrischem Bündelausgleich anhand Objekt-spezifischer Key-Zyklen (Pose pro Bewegungsmodell und

Key-Zyklus) und die Zugehörigkeit der Bildpunkte zu einem Bewegungsmodell optimiert. Die Auswahl der aus der Bildfolge ausgewählten Key-Zyklen zur Nutzung im photometrischen Bündelausgleich kann Bewegungsmodell-spezifisch getroffen werden. Beispielsweise kann die Frequenz (der ausgewählten Bilder) an die Relativbewegung eines Objekts angepasst werden.

Bevorzugt kann anschließend die Anzahl der Bewegungsmodelle optimiert werden, wobei im Falle des Hinzufügens eines Bewegungsmodells zum Fehlerfunktional oder des Entfernens eines Bewegungsmodells vom Fehlerfunktional eine neue Zuordnung der selektierten Bildpunkte zu den Bewegungsmodellen vorgenommen wird, und die Optimierung des Fehlerfunktionals neu begonnen wird.

Vorzugsweise führt die mindestens eine Kamera gegenüber dem Objekt, welches dem stationären starren Hintergrund entspricht, eine Bewegung aus.

In einer bevorzugten Ausführungsform des Verfahrens wird eine Mehrzahl von Bildfolgen mittels einem mehrere synchronisierte (Fahrzeug-) Kameras

umfassenden Kamerasystem aufgenommen und als Eingangsdaten für das Verfahren bereitgestellt. Eine gemeinsame Optimierung aller Parameter zur Minimierung des resultierenden Fehlerfunktionals wird durchgeführt. Die

Modell-Parameter umfassen die Posen jedes Objekts bezüglich des

Kamerasystems (statt bezüglich einer Kamera). Bildpunkte können aus Bildern aller Kameras selektiert werden. Bildpunkte werden aus Bildern der Key-Zyklen von mindestens einer Kamera selektiert.

Für selektierte Bildpunkte gehen die Beobachtungen in mindestens einer Kamera und mindestens einem Key-Zyklus als Energie-Terme des photometrischen Fehlers ein. Hierbei werden bevorzugt individuelle geometrische und photometrische Kameramodelle sowie Relativpositionen der Kameras zueinander berücksichtigt.

Bevorzugt wird des Weiteren ein Multi Kamera Direct Image Alignment mit einer oder mehreren Pyramidenstufen für die Nachverfolgung einzelner Objekte durchgeführt. Verwendet werden hierzu bevorzugt folgende Bilder:

a) Alle Bilder aller Zyklen, in welchen die Pose schon bekannt ist und wo Punkte selektiert sind mit bekannten Tiefen. Diese werden wiederholt kombiniert und dabei gewarped (für jede Kamera entsteht eine Prädiktion des erwarteten Bildes in dem Zyklus, in welchem die Pose gesucht wird)

b) Alle Bilder des Zyklus, für welchen die Pose gesucht wird. Diese werden jeweils wiederholt verglichen mit dem für diese Kamera kombinierten

Prädiktions-Bild aus a).

Vorzugsweise umfassen die Modell-Parameter weitere intrinsische photometrische, weitere intrinsische geometrische und/oder extrinsische Kamera-Parameter der mindestens einen Kamera, so dass die gemeinsame Optimierung aller Parameter eine Autokalibrierung der mindestens einen Kamera bewirkt. Mit anderen Worten erfolgt eine Autokalibrierung / automatische Optimierung von intrinsischen photometrischen (etwa Vignettierung und Sensor-Kennlinie), intrinsischen geometrischen (etwa Brennweite, Hauptpunkt, Verzeichnung) und/oder

extrinsischen Modellparametern der Kamera (etwa relative Lage der Kameras zueinander). Vignettierung, Sensor-Kennlinie und Verzeichnung werden bevorzugt parametrisch approximiert. Alle neuen Modell-Parameter können somit bei der Minimierung des Fehlerfunktionais (in einem Zug) mitbestimmt werden. Ein weiterer Gegenstand der Erfindung betrifft eine Vorrichtung zur Detektion, 3D-Rekonstruktion und Nachverfolgung von mehreren relativ zueinander bewegten starren Objekten aus einer Folge von von einer Eingangseinheit empfangenen Bildern mindestens einer (Fahrzeug-) Kamera. Die Vorrichtung umfasst die Eingangseinheit, eine Auswahleinheit, eine Optimierungseinheit und eine

Ausgabeeinheit.

Die Auswahleinheit ist dazu konfiguriert, aus der Folge von Bildern Bilder von mehreren (durch die Auswahleinheit bestimmten) Aufnahmezeitpunkten

(=Key-Zyklen) auszuwählen.

Die Optimierungseinheit ist konfiguriert zur

a) gemeinsamen Optimierung aller Modellparameter eines Modells zur

Beschreibung der relativ zueinander bewegten starren Objekte anhand der Bilder der Key-Zyklen auf der Basis von spärlich selektierten Bildpunkten in den

Key-Zyklen, wobei das Modell Parameter zur Beschreibung der Anzahl, der

3D-Struktur, der Posen der starren Objekte in den Key-Zyklen und eine Zuordnung der selektierten Bildpunkte zu den starren Objekten umfasst, durch

b) Minimierung eines Fehlerfunktionais, wobei das Fehlerfunktional einen photometrischen Fehler E _photo und einen ersten A-Priori-Energie-Term E _comp , der von der Anzahl an starren Objekten abhängig ist, umfasst.

Die Ausgabeeinheit ist konfiguriert zur zyklischen Ausgabe der durch

Optimierungseinheit aus der Folge von Bildern detektierten Anzahl, 3D-Struktur (Geometrie) und Trajektorie der relativ zueinander bewegten starren Objekte. Die Vorrichtung kann insbesondere einen Mikrocontroller oder -Prozessor, eine Zentrale Verarbeitungseinheit (CPU), einen Grafikprozessor (GPU), einen Digital Signal Processor (DSP), einen ASIC (Application Specific Integrated Circuit), einen FPGA (Field Programmable Gate Array) und dergleichen mehr; Schnittstellen (Eingangs- und Ausgabeeinheit) sowie Software zur Durchführung der

entsprechenden Verfahrensschritte umfassen.

Die vorliegende Erfindung kann somit in digitalen elektronischen Schaltkreisen, Computer-Hardware, Firmware oder Software implementiert sein. Im Folgenden werden Ausführungsbeispiele und Fig. näher beschrieben. Dabei zeigen

Fig. 1 a: eine Serie von fünf Bildern einer linken Seitenkamera eines

Ego-Fahrzeugs;

Fig. 1 b: eine 3D-Rekonstruktion der Umgebung des Ego-Fahrzeugs;

Fig. 1 c: eine 3D-Rekonstruktion eines ersten (eigenbewegten) starren

Objekts;

Fig. 1 d: eine 3D-Rekonstruktion eines zweiten (stationären) starren

Objekts, welches dem stationären Hintergrund entspricht;

Fig. 2: vier schematische Kamerabilder eines Surround View

(Rundumsicht-) Systems eines Ego-Fahrzeugs (unten) und eine 3D-Punkt Rekonstruktion der Umgebung des Ego-Fahrzeugs (oben);

Fig. 3: schematisch einen Ablauf eines Verfahrens für ein Multi-Kamera

System;

Fig. 4: ein schematisches Diagramm zum Ablauf eines Verfahrens zur

Datenselektion und Minimierung des Fehlerfunktionals für einen Zyklus von Einzelbildern; und

Fig. 5: Ego-Fahrzeug mit einem Rundumsichtkamerasystem, einer

Front-Telekamera und einer Vorrichtung zur Detektion,

3D-Rekonstruktion und Nachverfolgung von mehreren relativ zueinander bewegten starren Objekten. Fig. 1 a zeigt eine Serie von fünf Bildern (LO, L1. L4), die von einer linken

Seitenkamera eines Ego-Fahrzeugs während der Fahrt des Ego-Fahrzeugs zu Aufnahmezeitpunkten tO, t4 aufgenommen wurden. Auf den Bildern LO, L4 ist ein auf einer Überholspur links neben dem Ego-Fahrzeug fahrendes Fahrzeug 19 zu sehen. Der linke Fahrbahnrand wird durch eine Mauer 1 1 begrenzt. Dahinter sind Bäume, die neben der Fahrbahn stehen im oberen Drittel des Bildes zu erahnen. Die Mauer 1 1 , die Bäume, die Fahrbahn sowie Fahrspurmarkierungen sind

Bestandteile der stationären Umgebung des Ego-Fahrzeugs. Die gesamte stationäre Umgebung des Ego-Fahrzeugs wird als ein starres Objekt betrachtet. Das abgebildete Fahrzeug 19 ist ein eigenbewegtes starres Objekt, welches sich relativ zum ersten Objekt (der stationären Umgebung) bewegt. Das abgebildete Fahrzeug 19 fährt schneller als das Ego-Fahrzeug, ist also dabei das Ego-Fahrzeug zu überholen.

Wenn das Verfahren auf der Basis von nur einer Kamera durchgeführt werden soll, entspricht jeweils ein Bild einem (Aufnahme-) Zyklus. Angenommen, die fünf Bilder sind fünf Key-Zyklen für das abgebildete Fahrzeug (=Objekt, dem wiederum ein Bewegungsmodell zugeordnet ist), dann werden diese Key-Zyklen als

Bewegungsmodell-spezifische Key-Zyklen bezeichnet. Fig. 1 b zeigt eine 3D-Rekonstruktion dieser Szene, die gemäß einer

Ausführungsform des Verfahrens erzielt wurde. Für diese 3D-Rekonstruktion wurden aber nicht nur die in Fig. 1a auszugsweise dargestellten Key-Zyklen der linken Kamera, sondern auch die Key-Zyklen, die zu denselben

Aufnahmezeitpunkten tO, ..., t4 von der synchronisierten hinteren, Front- und rechten Kamera des Kamerasystems aufgenommen wurden. Dies wird später im Zusammenhang mit Figur 2 weiter erläutert. In Fig. 1 b zu sehen sind Punkte, die die 3D-Verhältnisse nicht vollständig aber doch grob erkennbar wiedergeben (sparse). Die 3D-Rekonstruktion erfolgte aus einem Blickwinkel, bei dem gegenüber der Kamerarichtung in Fig. 1a etwas von oben herab gesehen wird. Abgebildet sind das (weitere) Fahrzeug, dessen räumliche Form gut abgeschätzt werden kann und einige Aspekte der starren Umgebung, insbesondere die Mauer als zwei parallele Linien hinter bzw. oberhalb des Fahrzeugs. Auf der Fahrbahn sind einzelne Punkte vorhanden. Fig. 1 c zeigt die 3D-Rekonstruktion nur des weiteren Fahrzeugs 29 aus Fig. 1 b. Bei diesem Fahrzeug 29 handelt es sich um ein bewegtes starres Objekt. Das

Verfahren ermöglicht ein zuverlässiges Tracking (Nachverfolgen) des Fahrzeugs 19 aus der Serie von Bildern L0. L4. Neben der 3D-Position und Größe kann aus dem Tracking auch die Trajektorie des Fahrzeugs 19 bestimmt werden, also insbesondere die Geschwindigkeit und Rotation in allen drei Raumrichtungen.

Fig. 1d zeigt die 3D-Rekonstruktion nur der stationären (unbewegten) starren Umgebung des Ego-Fahrzeugs aus Fig. 1 b. Auch die stationäre starre Umgebung des Ego-Fahrzeugs wird als ein (relativ) bewegtes starres Objekt behandelt. Die Lokalisierung des Ego-Fahrzeugs in dieser Umgebung ergibt sich dabei

unmittelbar. Die mit dem Ansatz ermittelte Relativbewegung der rekonstruierten Umgebung ist identisch zur inversen Eigenbewegung des Ego-Fahrzeugs. Die TI

3D-Rekonstruktion der Mauer 11 aus Fig. 1a ist als zwei parallele Linien 29 zu erkennen.

Fig. 2 zeigt unten vier schematische Kamerabilder L10, F10, R10, H10 eines Surround View (Rundumsicht-) Systems eines Ego-Fahrzeugs und oben eine 3D-Punkt Rekonstruktion der Umgebung des Ego-Fahrzeugs.

Unten links ist ein rektifiziertes Bild L10 einer nach links blickenden

Fahrzeugkamera zu sehen. Daneben sind die rektifizierten Bilder F10, R10, H10 einer nach vorne, einer nach rechts und einer nach hinten blickenden

Fahrzeugkamera abgebildet. Zu erkennen sind in allen vier Bildern L10, F10, R10, H10 jeweils die schwarze Fahrbahnoberfläche mit weißen Fahrbahnmarkierungen 12, 13, 15, 16 im jeweiligen Sichtbereich. Schräg links vor dem Ego-Fahrzeug fährt ein weiteres Fahrzeug 19. Der hintere Teil des weiteren Fahrzeugs 19 ist im Bild L10 der linken Kamera erfasst, der vordere Teil im Bild F10 der Frontkamera. Das abgebildete Fahrzeug 19 ist ein eigenbewegtes starres Objekt. Im Bild L10 der linken Kamera ist wieder eine Mauer 11 als Fahrbahnrandbegrenzung zwischen der Fahrbahn und der die Fahrbahn umgebenden Landschaft (Bäume, Hügel) zu erkennen. Unterhalb der Mauer 11 ist eine durchgezogene

Fahrspurbegrenzungsmarkierung (Linie) 12 abgebildet, die den Rand der linken Fahrspur der dreispurigen Fahrbahn begrenzt. Im Bild F10 der Frontkamera des Surround View Systems sind eine linke 13 und eine rechte 15 gestrichelte

Fahrspurmarkierung abgebildet, die den linken und rechten Rand der mittleren Fahrspur begrenzen, auf der das Ego-Fahrzeug aktuell fährt. Der rechte Rand der Fahrbahn ist durch eine weitere durchgezogene Fahrspurbegrenzungsmarkierung 16 gekennzeichnet. Im Bild R10 der rechten Kamera ist eine Leitplanke 17 als

Fahrbahnrandbegrenzung abgebildet, darunter ist die rechte

Fahrspurbegrenzungsmarkierung 16 zu erkennen. Aus dem Bild H10 der

Rückkamera ist ebenfalls zu erkennen, dass das Ego-Fahrzeug auf der mittleren der drei Fahrspuren fährt, auch hier sind zwischen den beiden durchgezogenen Fahrspurbegrenzungsmarkierungen (im Bild R10 nicht nummeriert) links im Bild die rechte Fahrspurmarkierung 15 und rechts im Bild die linke Fahrspurmarkierung 13 der Ego-Fahrspur als gestrichelte Linien erkennbar. Im oberen Teil aller vier Bilder ist der Himmel zu erahnen. Die Mauer 11 , die Fahrbahnmarkierungen 12, 13, 15, 16 und die Leitplanke 17 sind Bestandteile der stationären Umgebung des

Ego-Fahrzeugs. Die gesamte stationäre Umgebung des Ego-Fahrzeugs wird als ein starres Objekt betrachtet.

Im Verlauf der Fahrt des Ego-Fahrzeug werden Serien von Bildern (Videos) von jeder der vier Kameras aufgenommen. Aus diesen Bilderserien wurde eine 3D-Rekonstruktion der Szene gemäß einer Ausführungsform des Verfahrens mit mehreren (synchronisierten) Kameras erzielt. In Fig. 2 oben zu sehen sind Punkte, die die 3D-Verhältnisse repräsentieren. Die Visualisierung erfolgte aus einer Vogelperspektive (Top View). Als durchgezogene Linie 24 ist die bisherige

T rajektorie des Ego-Fahrzeugs veranschaulicht. Diese Linie ist nicht Bestandteil der

3D-Strukturen, visualisiert jedoch die rekonstruierte Trajektorie des Kamerasystems des Ego-Fahrzeugs. Das rechte Ende 28 der Linie 24 entspricht der aktuellen Position des Ego-Fahrzeugs, welches selbst nicht in Fig. 2 dargestellt ist. Links vor (bzw. rechts oberhalb in Fig. 2 oben) dem Ego-Fahrzeug sind die Umrisse des weiteren Fahrzeugs 29 zu erkennen. Das bewegte Objekt ist robust und sehr präzise nachverfolgbar, so dass seine Eigenschaften für Systeme zum assistierten oder automatisierten Fahren für das Ego-Fahrzeug ermittelt werden können. Der 3D-Rekonstruktion sind als Bestandteile des unbewegten Hintergrunds folgende Elemente zu entnehmen (von oben nach unten): die Mauer (Begrenzung des linken Fahrspurrands) als etwas dichtere und etwas ausgedehntere Linie 21 (bestehend aus Punkten), die linke durchgezogene Fahrspurbegrenzungsmarkierung 22, die linke gestrichelte Fahrspurmarkierung 23 der Ego-Fahrspur, die rechte gestrichelte Fahrspurmarkierung 25 der Ego-Fahrspur, die rechte durchgezogene

Fahrspurbegrenzungsmarkierung 26 und die wiederum etwas dichtere und ausgedehntere Linie 27 mit einzelnen Pfosten der Leitplanke. Zwischen der rechten durchgezogenen Fahrspurbegrenzungsmarkierung 26 und der Leitplanken-„Linie“ 27 befindet sich der Standstreifen der Fahrbahn.

Fig. 3 zeigt exemplarisch den Ablauf eines Ausführungsbeispiels des Verfahrens für ein Multi-Kamera System. Ein vergleichbares Verfahren ist mit einzelnen

Abwandlungen auch auf ein Monokamerasystem anwendbar.

In einem ersten Schritt S12 werden Parameter eines Fehlerfunktionals initialisiert. Das Fehlerfunktional dient der Berechnung eines Fehlers für Einzelbilder eines Zyklus in Abhängigkeit von Parametern. Eine Minimierung des Fehlerfunktionals liefert somit die Parameter, die das Modell optimal an die Einzelbilder anpasst. Parameter sind:

- Tiefenparameter mehrerer Punkte mehrerer Bilder für mehrere Objekte

- Optional: Normalen-Vektor jedes selektierten Punktes (2 Parameter pro Punkt)

- Anzahl der Bewegungsmodelle

- Mehrere Bewegungsmodelle (jeweils 3+3 Parameter für Position und Rotation jeweils für jeden Zeitschritt), wobei ein Bewegungsmodell einem Objekt zugeordnet ist. Der starre Hintergrund (d.h. die im realen Raum unbewegte Umgebung) wird ebenfalls als ein Objekt behandelt. Auch dem Hintergrund-Objekt wird ein Bewegungsmodell zugeordnet.

- Zuordnung von Punkten zu Bewegungsmodellen (1 Parameter pro Punkt und Bewegungsmodell, mittels Soft-Assignment oder optional Hard-Assignment)

- Schätzung von Sensor-Kennlinien und

- Schätzung von Brennweite und Hauptpunkt.

Eine Initialisierung der Parameter kann erfolgen, indem für die Anzahl der

Bewegungsmodelle 1 gewählt wird, die Trajektorie mit 0, und die inversen Tiefen mit 1 initialisiert werden, und hiermit eine grob-zu-fein-lnitialisierung vorgenommen wird.

In einem Schritt S14 werden neue Einzelbilder eines Zyklus von mehreren synchronisierten Kameras erhalten. Ein Zyklus beschreibt die Menge an Bildern, die von den synchronisierten Kameras in einem Aufnahmezyklus (entspricht einem Aufnahmezeitpunkt) entsteht. Die neuen Einzelbilder werden dem Verfahren bzw. dem System bereitgestellt, z.B. von den Kameras, einem Speicher oder dergleichen mehr.

In einem folgenden Schritt S16 wird für jedes aktuell vorhandene Bewegungsmodell (korrespondierend zu einem aktuell angenommenen Objekt bzw. zu einer aktuellen Objekthypothese) ein Multi-Kamera Direct Image Alignment durchgeführt zur Bestimmung der Bewegungsparameter im aktuellen Zyklus (mit den neuen

Einzelbildern). Beispielsweise kann angenommen werden, dass aktuell ein bewegtes starres Objekt sich relativ zum stationären starren Hintergrund bewegt. Da der stationäre Hintergrund ebenfalls als ein bewegtes starres Objekt behandelt wird, ist dies der einfachste Fall für mehrere, nämlich zwei unterschiedlich bewegte starre Objekte. Die Kameras können gegenüber dem stationären Hintergrund eine Bewegung ausführen, so dass in der Folge der Einzelbilder der Hintergrund nicht stationär im Kamerasystem-Koodinatensystem ist, sondern eine Relativ-Bewegung ausführt. Jedes aktuell angenommene Objekt wird durch ein Bewegungsmodell beschrieben. Die (Posen-) Parameter für jedes Objekt für den neuen (d.h. aktuellen)

Zyklus werden mittels Multi-Kamera Direct Image Alignment bestimmt.

Direct Image Alignment ist nicht dasselbe wie Bündle Adjustment, hat aber

Gemeinsamkeiten mit Photometric Bündle Adjustment: Das zu minimierende photometrische Fehlerfunktional ist dasselbe. Bei Direct Image Alignment werden die Tiefen nicht optimiert, sondern als bekannt vorausgesetzt und es wird nur die neue Pose geschätzt, während man einen photometrischen Fehler (Differenz von Grauwerten) minimiert. Hierbei werden iterativ Vorhersagen der Bilder eines neuen Zyklus mittels Image-Warping bzw. ähnlich einem 3D-Rendering generiert (auf Basis alter Bilder, bekannter Struktur, Trajektorie), und die neueste Objektpose angepasst, bis die Vorhersage mit den neuen Bildern am ähnlichsten ist. Näheres zum Homographie-basierten Single-Kamera Direct Image Alignment zeigt beispielsweise:

https://sites.qoogle.com/site/imaqea qnment/tutonais/feature-based-vs~direct-- e-alignment

(abgerufen am 12.03.2019).

Anschließend werden in Schritt S20 Daten (Key-Zyklen, Bildpunkte) selektiert und das Fehlerfunktional minimiert. Details hierzu werden nachfolgend näher erläutert. Die dabei erhaltenen Parameter werden im folgenden Schritt S22 ausgegeben. Anschließend kann mit Schritt 14 fortgefahren werden, also dem Erhalten von neuen Einzelbildern eines neuen Zyklus.

Fig. 4 zeigt ein schematisches Diagramm zum Ablauf eines Verfahrens zur Datenselektion und Minimierung des Fehlerfunktionals (S20 in Fig. 3) für einen Zyklus von Einzelbildern und anschließender Ausgabe der Parameter (S22).

In einem ersten Schritt S200 werden Key-Zyklen für jedes Bewegungsmodell (entsprechend einem Objekt) aus der Menge aller Kamera-Zyklen ausgewählt.

In einem Schritt S201 werden Punkte in Bildern der Key-Zyklen aller

Bewegungsmodelle ausgewählt.

In einem Schritt S202 werden neue Parameter des Fehlerfunktionals zur

Beschreibung weiterer Punkt-Tiefen und Punkt-Zugehörigkeiten initialisiert.

In Schritt S203 werden die Bewegungs- und Strukturparameter für jedes Objekt mittels photometrischem Bundle-Adjustment anhand Objekt-spezifischer

Key-Zyklen optimiert.

In Schritt S204 wird ein Multi-Kamera Direct Image Alignment für Objekt-fremde Key-Zyklen durchgeführt.

In Schritt S205 wird die Zugehörigkeit eines Bildpunkts zu einem Objekt bzw. Bewegungsmodell optimiert. In einem folgenden Schritt S206 wird geprüft, ob eine (hinreichende) Konvergenz erreicht wurde. Ist dies (noch) nicht der Fall, da die Punkt-Zugehörigkeiten verändert wurden, wird mit Schritt S200 fortgefahren. Falls die Konvergenz erreicht wurde, wird im folgenden Schritt S207 die Anzahl der Bewegungsmodelle (Objekte) sowie die Zugehörigkeit eines Bildpunkts zu einem Bewegungsmodell optimiert.

In einem folgenden Schritt S208 wird geprüft, ob diesbezüglich eine (hinreichende) Konvergenz erreicht wurde.

Falls die Anzahl nicht passt, wird in einem folgenden Schritt S209 die Anzahl an Bewegungsmodellen überprüft.

Sofern die Anzahl zu hoch ist, wird in Schritt S210 ein Bewegungsmodell und die zugehörigen Parameter entfernt und das Verfahren wird mit Schritt S200 fortgesetzt. Dazu kann folgendermaßen vorgegangen werden:

Für jedes Objekt wird regelmäßig eine neue Konfigurations-Hypothese evaluiert, welche dieses Objekt nicht mehr beinhaltet. Es wird geprüft, ob der Gesamtfehler dadurch sinkt. Falls ja, wird die Konfiguration übernommen, bzw. das Objekt entfernt.

Eine obere Schranke für diesen neuen Gesamtfehler kann ermittelt werden, indem nur die Punktzuordnungen der betroffenen Punkte optimiert werden, und alle Struktur- und Trajektorien parameter beibehalten werden. Dieses Vorgehen ist dann sehr schnell (vgl. mit der kompletten Optimierung von solchen neuen Hypothesen mit einem fehlenden Objekt). Siehe hierzu auch den obigen Abschnitt

Hypothesenbildung (2): Eliminierung eines Bewegungsmodells.

Sofern die Anzahl zu niedrig ist, werden in Schritt S211 neue Parameter zur Beschreibung eines weiteren Bewegungsmodells (Objekts) des Fehlerfunktionais initialisiert (siehe oben: Hypothesenbildung (1 ): Detektion eines weiteren

Bewegungsmodells) und das Verfahren wird mit Schritt S200 fortgesetzt.

Sofern die Anzahl passt, also in Schritt S208 Konvergenz erreicht wurde, werden die Parameter in Schritt S22 ausgegeben.

Fig. 5 zeigt ein Ego-Fahrzeug 1 mit einem Rundumsichtkamerasystem, einer Front-Telekamera und einer Vorrichtung 2 zur Detektion, 3D-Rekonstruktion und Nachverfolgung von mehreren relativ zueinander bewegten starren Objekten. Die Erfassungsbereiche der vier Einzelkameras des Rundumsichtsystems sind durch die vier Dreiecksflächen (L, F, R, H) um das Ego-Fahrzeug 1 veranschaulicht. Die Dreiecksfläche L (F, R, bzw. H) auf der linken (Front-, rechten bzw. Heck-) Seite des Ego-Fahrzeugs entspricht dem Erfassungsbereich der linken (Front-, rechten bzw. Heck-) Kamera des Rundumsichtkamerasystems. Im Bereich der

Windschutzscheibe des Fahrzeugs 1 ist eine Telekamera angeordnet, deren Erfassungsbereich T als Dreieck mit punktierten Linien dargestellt ist. Bei der Telekamera kann es sich beispielsweise um eine Stereokamera handeln. Die Kameras sind mit der Vorrichtung 2 verbunden und übermitteln die

aufgenommenen Bilder bzw. Bilderserien an die Vorrichtung 2.