Erkennung von 3D Begrenzungsboxen von Fahrzeugen mittels Perspektivtransformation für genaue Geschwindigkeitsmessung

Die Erkennung und Verfolgung von Fahrzeugen, die von Verkehrskameras aufgenommen werden, ist ein wesentlicher Bestandteil intelligenter Verkehrssysteme. In dieser Arbeit präsentieren wir eine verbesserte Version unseres Algorithmus zur Erkennung dreidimensionaler Begrenzungsboxen von Fahrzeugen, ihrer Verfolgung und der anschließenden Geschwindigkeitsabschätzung. Unser Algorithmus nutzt die bekannte Geometrie der Verschwindepunkte in der überwachten Szene, um eine Perspektivtransformation zu konstruieren. Diese Transformation ermöglicht eine intuitive Vereinfachung des Problems der Erkennung dreidimensionaler Begrenzungsboxen auf die Erkennung zweidimensionaler Begrenzungsboxen mit einem zusätzlichen Parameter unter Verwendung eines standardmäßigen 2D-Objekterkenners. Der Hauptbeitrag dieser Arbeit besteht in einer verbesserten Konstruktion der Perspektivtransformation, die robuster und vollständig automatisch ist, sowie in einer erweiterten experimentellen Auswertung der Geschwindigkeitsabschätzung. Wir testen unseren Algorithmus anhand der Geschwindigkeitsabschätzungsaufgabe des BrnoCompSpeed-Datensatzes. Wir evaluieren unseren Ansatz mit verschiedenen Konfigurationen, um das Verhältnis zwischen Genauigkeit und Rechenkosten sowie die Vorteile der 3D-Begrenzungsboxenerkennung gegenüber der 2D-Erkennung zu ermitteln. Alle getesteten Konfigurationen laufen in Echtzeit und sind vollständig automatisch. Im Vergleich zu anderen veröffentlichten state-of-the-art-vollautomatischen Ergebnissen reduziert unser Algorithmus den mittleren absoluten Fehler der Geschwindigkeitsmessung um 32 % (von 1,10 km/h auf 0,75 km/h) und den absoluten Medianfehler um 40 % (von 0,97 km/h auf 0,58 km/h).