Verkehrsinformationen aus der Luft
Die automatische Detektion von Fahrzeugen aus Luftbildern ist für die verschiedensten Anwendungen z.B. im Verkehrsmanagement, bei der Parkraumüberwachung und bei der Stadtplanung interessant. Die luftgestützte optische Sensorik ermöglicht eine schnelle flächendeckende Erfassung von Verkehrsdaten und Parkrauminformationen. Beim Einsatz von bodengebundenen Sensoren wären der Zeit- und Arbeitsaufwand und somit auch die Kosten für die gleiche Fläche ungleich höher. Ein gutes Beispiel für luftgestützte Gewinnung von Verkehrsinformation liefert das Projekt VABENE am Deutschen Zentrum für Luft- und Raumfahrt (DLR). In diesem Echtzeit-System werden aus Luftbildern, aufgenommen über Straßenverläufen, Fahrzeuge detektiert und in Serienaufnahmen verfolgt. Daraus können umfassende Informationen über die Verkehrssituation gewonnen werden, indem zusätzlich zur Fahrzeugposition auch Geschwindigkeit, Fahrtrichtung und Fahrzeugtyp abgeleitet werden können.
Herausforderungen
Die automatische Fahrzeugdetektion aus Luftbildern ist eine wissenschaftliche Herausforderung, da einerseits die Abdeckung eines Fahrzeuges in einem Luftbild klein ist (ein Fahrzeug wird in etwa nur mit 30x12 Pixel abgebildet) und anderseits der Hintergrund neben den Fahrzeugen meist variabel ist und oftmals in den selben Farben wie das Fahrzeug selbst erscheint. Zur Unterstützung der Fahrzeugverfolgung ist es hilfreich, zusätzlich zur Position auch die Ausrichtung des Fahrzeuges zu bestimmen und plausible Randwerte für die Geschwindigkeiten vorzugeben. Dies ist besonders in Szenen mit hoher Verkehrsdichte wichtig, da hier die Wiedererkennung von Fahrzeugen in Bildsequenzen schwieriger ist. Interessant ist zudem die Information über den Platzbedarf einzelner Fahrzeuge, der wiederum vom Fahrzeugtyp abhängig ist (z.B. ein LKW hat größeren Einfluss auf den Verkehrsfluss als ein PKW). Ein Verkehrsmanagementsystem, das diese Art von Informationen bereitstellen kann, kann wiederum die Verkehrsinfrastruktur besser managen. Zudem sollten die Prozessierungsmethoden so schnell wie möglich funktionieren, damit die Anforderungen aus dem Projekt VABENE mit limitierter Zeit und Rechenkapazität erfüllt werden können. Aufgrund dieser Herausforderungen werden Methoden aus dem „Computer Vision“ und „Machine Learning“-Bereich verwendet und werden sowohl in einer experimentellen als auch in einer operationellen Umgebung getestet.
Datensatz von München
Zur Unterstützung der Forschung in diesem Gebiet stellen wir einen Luftbilddatensatz mit annotierten Fahrzeugen zur Verfügung. Der Datensatz kann über den Link rechts unter Downloads runtergeladen werden.
Abbildung 1: Die detektierten Fahrzeuge sind mit Vierecken angezeigt auf ein Luftbild von unseren Datensatz. Die grüne und blaugrüne Vierecke zeigen verschiedene Fahrzeugtypen, die Schwarze Vierecke zeigen nicht detektierte Autos.
Abbildung 2: Die detektierten Fahrzeuge sind mit Vierecken angezeigt auf ein Luftbild von unseren Datensatz. Die grüne und blaugrüne Vierecke zeigen verschiedene Fahrzeugtypen, die Schwarze Vierecke zeigen nicht detektierte Autos.