In dieser Arbeit wird eine zweistufige Strategie zur Verkehrsüberwachung in urbanen Bereichen durch Auswertung von Single-Pass Airborne Laserscanning (ALS)-Daten vorgestellt und untersucht. Dabei werden in der ersten Stufe zunächst die Fahrzeuge extrahiert und in der folgenden Stufe deren Bewegungszustand analysiert. Für die Fahrzeugextraktion werden zwei Methoden vorgeschlagen. Bei der ersten Methode wird davon ausgegangen, dass alle Straßenabschnitte in der untersuchten Szene Bestandteil der Bodenfläche sind. Die Laserdaten werden von der Punktwolke in eine Rasterdarstellung gewandelt. Basierend auf Analyse der Höhenverteilung wird zunächst durch ein iteratives Verfahren die Bodenfläche inklusiv der Fahrzeuge von anderen Objekten wie Gebäuden und Vegetation separiert. Anschließend erfolgt eine morphologische Segmentierung um die Fahrzeuge von der Bodenfläche zu isolieren. Bei der zweiten Methode wird davon ausgegangen, dass Straßenabschnitte auch auf Brücken oder Überführungen liegen. Durch einen adaptiven 'Mean Shift'-Ansatz wird eine 3D-Segmentierung der Punktwolken durchgeführt. Dabei werden auf Basis der lokalen Struktur Punktwolken, die Fahrzeuge darstellen könnten, direkt von allen anderen Objekten getrennt. Die Unterscheidung von Fahrzeug und Hintergrund erfolgt durch eine Klassifikation mit einer Support Vektor Maschine. Bei Szenen mit dichten Fahrzeuganordnungen wie sie bei Parkplätzen auftreten, wird weiterhin eine Gruppierung größerer Objekte durch 'Normalized Cuts' durchgeführt und eine Kombination mit der ersten Methode angewendet. Bei der Bewegungsanalyse wird basierend auf den extrahierten Punktwolken der Fahrzeuge zunächst ein Bewegungsstatus bestimmt und bei den als bewegt klassifizierten Fahrzeugen nachfolgend die Geschwindigkeit geschätzt. Zur Bestimmung des Bewegungsstatus wird die Form der Fahrzeugpunktwolke durch ein Parallelogramm approximiert und aufgrund der Parameter aus Längen/Breitenverhältnis und Scherwinkel klassifiziert. Die Klassifikation besteht in einer Binärentscheidung die durch Auswertung mit einer Lie Group Metrik erfolgt. Schließlich wird die Geschwindigkeit der bewegenden Fahrzeuge auf Grundlage der Deformationsstruktur bestimmt. Prinzipiell kann bei dieser Schätzung die Bewegungsrichtung aus der Straßenanordnung als Vorkenntnis berücksichtigt werden. Mit dieser Information wurden drei Ansätze zur Geschwindigkeitsbestimmung untersucht. Liegen keine Information zur Straßenausrichtung vor, werden Geschwindigkeit und Richtung durch Lösung eines linearen Gleichungssystems ermittelt. Die Ansätze wurden mit vier Laserdatensätzen von drei verschiedenen Städten untersucht. Für die Bewertung der Detektionsergebnisse wurden Referenzdaten manuell erstellt. Um die Schätzung der Bewegung zu bewerten, wurden die bei zwei Szenen gleichzeitig aufgenommenen Videosequenzen ausgewertet. Die Ergebnisse der beiden Methoden zur Fahrzeugextraktion haben gezeigt, dass bei der ersten Methode eine hohe Vollständigkeit (bis 87%) bezüglich der Erkennung von Fahrzeugobjekten erreicht wird, während das zweite Verfahren eine hohe Genauigkeit bezüglich der Fahrzeuggeometrie liefert. Für die Bewegungsdetektion wurde durch simulierte Punktwolken die Erkennung in Abhängigkeit der Punktdichte, dem Beobachtungswinkel und der Geschwindigkeit untersucht. Untersuchungen zur Genauigkeit der Geschwindigkeitsschätzung zeigen eine starke Abhängigkeit von dem Verhältnis der Fluggeschwindigkeit zur Fahrzeuggeschwindigkeit und dem Beobachtungswinkel. Die besten Schätzungen aus den Experimenten zeigen eine Abweichung der Geschwindigkeit von ungefähr 10% im Vergleich zu den Geschwindigkeitsschätzungen aus den Videosequenzen.
Extraction and velocity estimation of vehicles in urban areas from airborne laserscanning data
2010
118 Seiten, 55 Bilder, 12 Tabellen, Quellen
Theses
English
Laserscanning mit Submillimetergenauigkeit
Tema Archive | 2015
|Online Contents | 2014
3D-Laserscanning verkürzt Werftliegezeiten
Online Contents | 2014