A rendkívüli mértékben fejlődő önvezető járművek ma még nem tartanak a teljesen önálló működésnél. Az elemzések szerint az elkövetkező időszakban nagyon sokat fog változtatni a járművek képességén az, hogy milyen mértékben (alapvetően milyen részletességgel, pontossággal, teljességgel) lesznek képesek a környezetük állapotának felmérésére és annak ismeretében a megfelelő döntésre és viselkedésre. Ebben a folyamatban a környezeti érzékelésben és annak adatfeldolgozásában, tárolásában és elemzésében a térinformatikai technológiák is jelentős szerepet kapnak. Az útburkolat és környéke, a járművek, a gyalogosok pontos helyének, mozgásának megállapítása mindenféle terepi és időjárási körülmények között elengedhetetlen, így a kameraképek mellett a lézerszkennerek és hasonló távérzékelési megoldások kiválóan segíthetik ezeknek a járműveknek a fejlesztését.
A doktori kutatási téma fő célkitűzése az, hogy utak és környezetének nagypontosságú és -felbontású 3D-s térképi adatbázisának kialakítására felmérési módszert dolgozzon ki. Elsősorban a földi és mobil lézerszkennelés felhasználásával célszerű az adatnyerési technológiát kialakítani, mivel erre a Tanszéknek és a partnercégeknek a megfelelő műszerei rendelkezésre állnak. A keletkező hatalmas adatmennyiség kezelésére, tárolására és helymeghatározási alkalmazására a megfelelő eljárásokat ki kell dolgozni. A mért adatok megjelenítésére is megoldást kell kifejleszteni. Az adatnyerési eljárások alkalmasan kidolgozott adatmodellt támogassanak, amely a járművek más komponenseinek felhasználható adatokat tudnak szolgáltatni.
- C. Stauffer and W. E. L. Grimson, “Adaptive background mixture models for real-time tracking,” Proc. 1999 IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit. Cat No PR00149, vol. 2, no. c, pp. 246–252, 1999.
- P. Kaewtrakulpong and R. Bowden, “An Improved Adaptive Background Mixture Model for Real- time Tracking with Shadow Detection,” Adv. Video Based Surveill. Syst., pp. 1–5, 2001.
- Joachim Gehrung, Marcus Hebel, Michael Arens, Uwe Stilla (2016): A Framework for Voxel-Based Global Scale Modeling of Urban Environments, International Archives of Photogrammetry and Remote Sensing, XLII-2/W1
- International Archives of Photogrammetry and Remote Sensing
- IEEE Journal of Intelligent Transportation Systems
- IEEE Transactions on Intelligent Vehicles
- International Journal of Vehicle Autonomous Systems
- Lovas T-Berényi A-Barsi Á (2012): Lézerszkennelés, Terc Kiadó
- Barsi Á-Lovas T-Molnár B-Somogyi Á-Igazvölgyi Zs (2016): Pedestrian detection by laser scanning and depth imagery, International Archives of Photogrammetry and Remote Sensing, XLI-B3, pp. 465-468
- Molnár B-Lovas T-Barsi Á-Somogyi Á (2015): Mobile Mapping System for Streetlamp Detection, The 9th International Symposium on Mobile Mapping Technology: MMT2015, p. 5
- Lovas T-Barsi Á (2015): Pedestrian detection by profile laser scanning, 4th International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS). 536 p.
- Barsi Á (2012): Road detection by neural and genetic algorithm in urban environment, International Archives of Photogrammetry and Remote Sensing, XXXIX: (B3) pp. 247-252
- Barsi Á-Lovas T-Molnár B-Somogyi Á-Igazvölgyi Zs (2016): Pedestrian detection by laser scanning and depth imagery, International Archives of Photogrammetry and Remote Sensing, XLI-B3, pp. 465-468
- Barsi Á (2012): Road detection by neural and genetic algorithm in urban environment, International Archives of Photogrammetry and Remote Sensing, XXXIX: (B3) pp. 247-252