zurück zur Ko-PER-Übersicht

Videobasierte Objekterkennung

Zusätzlich zu den Laserscannern wurde an den Testkreuzungen ein Netzwerk aus Videokameras installiert, welches zusätzlich zu den 3D-Informationen der Laserscanner auch hochauflösende Texturinformationen der Verkehrssituation liefert.

Diese komplementäre Sensorkonfiguration ermöglicht es, auch besonders gefährdete Verkehrsteilnehmer wie z.B. Fußgänger zu detektieren und zu klassifizieren.

Die zum Einsatz kommenden neuartigen Objekt-Erkennungsalgorithmen werden dabei durch Informationen aus dem Laserscannersystem gestützt, welches relevante Objekte kennzeichnet und an die Bilderkennungsalgorithmen weitergibt.

Dabei stellen die Posen, die die Verkehrsteilnehmer bei der Kreuzungsüberquerung einnehmen für die videobasierte Objekterkennung eine große Herausforderung dar.

Aufgrund des hohen Verkehrsaufkommens an innerstädtischen Verkehrskreuzungen und die daraus resultierende unübersichtliche Situation, sind Verdeckungen einzelner Verkehrsteilnehmer sehr wahrscheinlich. Um jedoch sicher zu stellen, dass trotzdem alle relevanten Objekte erfasst werden können, wurde die Videosensorkonfiguration, wie auch das Laserscannernetzwerk mit einem eigens für diesen Zweck entwickelten 3D Simulationsprogramm bestimmt.

In folgender Abbildung ist beispielhaft das Videosensornetzwerk an der öffentlichen Kreuzung in Aschaffenburg sowie dessen Erfassungsbereich dargestellt.

Öffentliche Kreuzung Aschaffenburg - Videosensoren

Plan der Sensorpositionen an der öffentlichen Testkreuzung in Aschaffenburg und Simulation der Erfassungsbereiche der einzelnen Videosensoren (grüne Flächen).

Öffentliche Kreuzung Aschaffenburg - Videosensoren

Videobasierte Detektion der Fahrzeuge in den Kreuzungszufahrten. Links sind die erfassten Fahrzeuge im Kamerabild zu sehen. Das rechte Bild zeigt die 3D Position der Fahrzeuge auf der Kreuzung.

Die Ergebnisse der videobasierten Objekterkennung (siehe obige Abbildung) werden anschließend mit denen der laserscannerbasierten Objekterkennung fusioniert. Dies erfordert eine hoch genaue zeitliche Synchronisierung der Sensornetzwerke sowie eine präzise Kalibrierung der beteiligten Sensoren. Hierfür wurden spezielle Algorithmen entwickelt.