Fortgeschrittene Computer Vision zur Extraktion georeferenzierter Fahrzeugtrajektorien aus Drohnenbildern

Dieses Papier präsentiert ein Framework zur Extraktion georeferenzierter Fahrzeugtrajektorien aus Hochflugdrohnenbildern, wobei es sich mit den wesentlichen Herausforderungen der städtischen Verkehrsaufsicht und den Einschränkungen traditioneller bodengebundener Systeme befasst. Unser Ansatz integriert mehrere neuartige Beiträge, darunter einen angepassten Objekterkennungsdetektor, der für Vogelperspektiven aus großer Höhe optimiert ist, eine einzigartige Spurbestandsicherungsmethode, die während der Bildregistrierung erkannte Fahrzeugbegrenzungsrahmen als Ausschlussmasken verwendet, sowie eine Orthofoto- und Masterframe-basierte Georeferenzierungstrategie, die eine konsistente Ausrichtung über mehrere Drohnenperspektiven hinweg verbessert. Zudem verfügt unser Framework über eine robuste Schätzung der Fahrzeugabmessungen und eine detaillierte Straßensegmentierung, was umfassende Verkehrsanalysen ermöglicht. Die Studie wurde im Songdo International Business District (SIBD) in Südkorea durchgeführt und nutzte ein Mehrfach-Drohneneinsatzexperiment, das 20 Kreuzungen abdeckte und etwa 12 TB an 4K-Videodaten über vier Tage aufzeichnete. Das Framework erzeugte zwei hochwertige Datensätze: den Songdo-Traffic-Datensatz, der etwa 700.000 eindeutige Fahrzeugtrajektorien umfasst, und den Songdo-Vision-Datensatz, der über 5.000 menschlich annotierte Bilder mit rund 300.000 Fahrzeuginstanzen in vier Klassen enthält. Vergleiche mit hochpräzisen Sensordaten eines instrumentierten Testfahrzeugs unterstreichen die Genauigkeit und Konsistenz unserer Extraktionspipeline in dicht besiedelten städtischen Umgebungen. Die öffentliche Veröffentlichung des Songdo-Traffic- und Songdo-Vision-Datensatzes sowie des vollständigen Quellcodes für die Extraktionspipeline legt neue Maßstäbe in Bezug auf Datenqualität, Reproduzierbarkeit und Skalierbarkeit in der Verkehrsforschung fest. Die Ergebnisse zeigen das Potenzial der Integration von Drohnementchnologie mit fortschrittlicher Computer Vision für präzise und kostengünstige städtische Verkehrsaufsicht, was wertvolle Ressourcen für die Entwicklung intelligenter Verkehrssysteme und die Verbesserung von Verkehrsmanagementstrategien bietet.