用于从无人机影像中提取地理参照车辆轨迹的高级计算机视觉技术

本文提出了一种从高海拔无人机影像中提取地理参照车辆轨迹的框架，旨在解决城市交通监控中的关键挑战以及传统地面系统存在的局限性。我们的方法集成了若干创新贡献，包括针对高空俯视视角优化的定制目标检测器、一种独特的轨迹稳定方法（该方法在图像配准过程中使用检测到的车辆边界框作为排除掩模），以及基于正射影像和主帧的地理参照策略，以增强多个无人机视角下的一致对齐。此外，我们的框架还具备强大的车辆尺寸估计功能和详细的道路分割能力，从而实现全面的交通分析。研究在韩国松岛国际商务区进行，利用多架无人机实验覆盖了20个交叉口，在四天内采集了约12TB的4K视频数据。该框架生成了两个高质量的数据集：松岛交通数据集（包含约700,000条独特的车辆轨迹）和松岛视觉数据集（包含超过5,000张人工标注的图像，其中约有300,000个车辆实例分为四个类别）。与来自仪器探测车的高精度传感器数据对比表明，我们的提取管道在密集城市环境中具有较高的准确性和一致性。松岛交通数据集和松岛视觉数据集的公开发布，以及提取管道的完整源代码，为交通研究领域的数据质量、可重复性和可扩展性树立了新的标杆。结果展示了将无人机技术与先进计算机视觉相结合，在精确且经济高效的城市交通监控方面的潜力，为智能交通系统的开发和改进交通管理策略提供了宝贵的资源。