Detailergebnis zu DOK-Nr. 80133
Automatische Erkennung der teilweisen Verdeckung von Fahrzeugen in Daten, die von straßenseitigen LiDAR-Sensoren erfasst wurden (Orig. engl.: Automatic identification of vehicle partial occlusion in data collected by roadside LiDAR sensors)
| Autoren |
J. Zhao H. Xu Y. Zhang V. Shankar H. Liu |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.1 Verkehrserhebungen, Verkehrsmessungen |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 5, 2022, S. 708-718, 7 B, 2 T, 35 Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
LiDAR-Sensoren (Light Detection and Ranging) finden in der Verkehrserfassung immer mehr Beachtung, da sie in der Lage sind, genaue Trajektoriendaten von Fahrzeugen und nicht-motorisierten Verkehrsteilnehmenden zu liefern. Bei der Installation am Straßenrand ist LiDAR mit dem gleichen Problem der Verdeckung konfrontiert wie andere Straßensensoren (zum Beispiel Videokameras) - die Integrität und Zuverlässigkeit der Objekterkennung kann bei Verdeckung beeinträchtigt werden. Bestehende Methoden zur Verdeckungserkennung wurden entweder für Videosensoren entwickelt oder erfordern eine Sensorfusion. Eine schnelle und genaue Verdeckungsbestimmung ist ein unverzichtbarer Schritt im Prozess der Fahrzeugerkennung, -klassifizierung und -verfolgung. In dem Beitrag wird ein neuartiger Algorithmus vorgestellt, mit dem das Auftreten einer teilweisen Verdeckung von Fahrzeugen und die entsprechende Verdeckungsbeziehung aus LiDAR-Daten am Straßenrand automatisch erkannt werden kann. Entsprechend den inhärenten Eigenschaften von LiDAR-Sensoren wurden zwei speziell entwickelte Heatmaps (Diagramm zur Visualisierung von Daten, in diesem Fall die ClusterID-Heatmap und die Distance-Heatmap) erstellt und als Grundlage für die schnelle Verdeckungssuche verwendet. Anhand von Felddaten, die in zwei Testumgebungen gesammelt wurden, konnte gezeigt werden, dass die vorgeschlagene Methode eine Genauigkeit von 95,6 % bei der Identifizierung von Teilverdeckungen und eine Verarbeitungsgeschwindigkeit von 2 ms pro Bild (32-Laser-LiDAR-Sensor mit 0,1 s pro Bild) erreichen kann.