In this paper, we designed, implemented, and tested a special surveillance camera system based on a combination of classical image processing algorithms. The system’s sub-objective consists of tracking experimental vehicles driving on a defined trajectories (Rail) in real time. Furthermore, it analyzes the scene to collect additional vehicles & rail-related information. The system then uses the gathered data to reach its main objective which confines oneself in independently predicting vehicles collision. Consequently, we propose a hybrid method of detecting and tracking ATLAS-vehicles efficiently. To detect the vehicle at the beginning of the video, periodically every n-frame, and in the case where the tracked vehicle has been lost, we used Histogram Back-Projection. By contrast, Kernelized correlation filter is used to track the detected vehicles. Combining these two methods provides one of the best trade-offs between accuracy and speed even on a single processing core. The proposed method achieves the best performance compared with three different approaches on a custom dataset.
Autonome, fahrerlose Einzelfahrer bei der Bahn können ein Ansatz sein, um wieder mehr insbesondere Güterverkehr von der Straße auf die Schiene zu holen. Hintergrund, Probleme und Lösungsansätze werden aufgezeigt. Dann erfolgt eine Vorstellung der in den letzten Jahren an der Hochschule Mittweida vor allem im Rahmen studentischer Projekte entwickelten Modellanlage zu ATLAS – „Asynchroner Transport-, Logistik- und Automatisierungsmodus auf der Schiene“. Das System wurde bereits auf der IWKM 2018 vorgestellt, seitdem gibt es signifikante Weiterentwicklungen insbesondere im Rahmen studentischer Arbeiten. Diese werden auch im Bezug zur realen Technik des autonomen und vernetzten Fahrens beschrieben und Perspektiven aufgezeigt.