Vision informatique avancée pour l'extraction de trajectoires de véhicules géoréférencées à partir d'images de drones

Ce document présente un cadre pour l'extraction de trajectoires de véhicules géoréférencées à partir d'images aériennes prises par des drones en haute altitude, abordant les défis clés de la surveillance du trafic urbain et les limites des systèmes traditionnels basés au sol. Notre approche intègre plusieurs contributions novatrices, notamment un détecteur d'objets adapté et optimisé pour les perspectives en vue d'oiseau en haute altitude, une méthode unique de stabilisation des pistes qui utilise les boîtes englobantes des véhicules détectés comme masques d'exclusion lors du recalage des images, ainsi qu'une stratégie de géoréférencement basée sur les orthophotos et le cadre maître qui améliore l'alignement cohérent entre plusieurs points de vue de drone. De plus, notre cadre comprend une estimation robuste des dimensions des véhicules et une segmentation détaillée des routes, permettant une analyse complète du trafic. La recherche a été menée dans le district international des affaires de Songdo, en Corée du Sud, utilisant une expérience multi-drones couvrant 20 carrefours et capturant environ 12 To de données vidéo en 4K sur quatre jours. Le cadre a produit deux jeux de données de haute qualité : le jeu de données Songdo Traffic, comprenant environ 700 000 trajectoires uniques de véhicules, et le jeu de données Songdo Vision, contenant plus de 5 000 images annotées manuellement avec environ 300 000 instances de véhicules réparties en quatre classes. Les comparaisons avec des données précises provenant d'un véhicule sonde instrumenté soulignent la précision et la cohérence de notre pipeline d'extraction dans les environnements urbains denses. La mise à disposition publique du jeu de données Songdo Traffic et Songdo Vision, ainsi que du code source complet du pipeline d'extraction, établit de nouvelles références en matière de qualité des données, reproductibilité et évolutivité dans la recherche sur le trafic. Les résultats démontrent le potentiel d'intégrer la technologie drone avec une vision par ordinateur avancée pour une surveillance précise et rentable du trafic urbain, offrant des ressources précieuses pour le développement de systèmes de transport intelligents et l'amélioration des stratégies de gestion du trafic.