Pomiary parametrów ruchu drogowego z wykorzystaniem UAV

• Autorzy: Pamuła W.

Warianty tytułu

EN

Road traffic data collection using UAV

• Języki publikacji: PL

Abstrakty

PL

Rejestrowany przez bezzałogowe statki latające materiał wideo poddawany jest kompresji. Podjęto badanie przydatności skompresowanego strumienia dla wyznaczania trajektorii ruchu pojazdów z wykorzystaniem metod przetwarzania obrazów. Wykorzystano algorytm śledzenia oparty na odejmowaniu modelu tła od treści klatek i określaniu kolejnych pozycji wyodrębnionych obiektów z użyciem filtru Kalmana. Przetworzono ciąg skompresowanych sekwencji wideo i przeprowadzono analizę statystyczną uzyskanych trajektorii ruchu. Wyznaczono zakres wartości kompresji dla których wyniki śledzenia są zbliżone. Kompresja stratna w przedziale wartości 500-20000, z wykorzystaniem standardu H.265, może być zastosowana w układach rejestracji strumienia wideo stosowanych przez UAV i nie zmienia w istotny sposób wyników śledzenia pojazdów.

EN

UAVs record compressed video streams. The capability for using such streams for extraction of trajectories of moving vehicles, using image processing is investigated. A tracking algorithm based on subtracting a background model from the current content of frames and estimating objects positions using Kalman filter is used. A sequence of compressed video segments is processed to obtain object trajectories. The trajectories are statistically analysed. The range of compression values is determined for which the parameters of the trajectories are close. Lossy compression in the range 500-20000, using the standard H.265, is suitable for recording video by UAVs and does not significantly change the results of tracking vehicles.

Słowa kluczowe

PL

UAV; bezzałogowy statek latający; ruch drogowy; parametry ruchu drogowego; kompresja stratna

EN

UAV; unmanned aerial vehicle; road traffic; road traffic parameters; lossy compression

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Transport
• Rocznik: 2016
• Tom: z. 113
• Strony: 381--388
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Pamuła W.

• Politechnika Śląska, Wydział Transportu

Bibliografia

• 1. Arróspide J., Salgado L.: A Study of Feature Combination for Vehicle Detection Based on Image Processing, The Scientific World Journal, Hindawi Publishing Corporation, article ID 196251, http://dx.doi.org/10.1155/2014/196251, 2014.
• 2. Bouwmans T.: Traditional and recent approaches in background modeling for foreground detection: An overview, Computer Science Review, vol.11, pp. 31-66, 2014.
• 3. Cai G., Dias J., Seneviratne L.: A Survey of Small-Scale Unmanned Aerial Vehicles: Recent Advances and Future Development Trends, Numer Unmanned Systems, Vol. 2, No. 2 pp. 1-25, 2014.
• 4. Colomina I., Molina P.: Unmanned aerial systems for photogrammetry and remote sensing: A review, ISPRS Journal of Photogrammetry and Remote Sensing vol. 92, pp. 79-97, 2014.
• 5. Gleason J., Nefian A.V., Bouyssounousse X., Fong T., Bebis G.: Vehicle Detection from Aerial Imagery, IEEE International Conference on Robotics and Automation, Shanghai, China, pp. 2065-2070, 2011.
• 6. Kaczorek T.: Teoria układów regulacji automatycznej, WNT, Warszawa , 1977.
• 7. Kanistras K., Martins G., Rutherford M. J., Valavanis K. P.: A Survey of Unmanned Aerial Vehicles (UAVs) for Traffic Monitoring, International Conference on Unmanned Aircraft Systems (ICUAS), 2013.
• 8. Lenhart D., Hinz S., Leitloff J., Stilla U.: Automatic traffic monitoring based on aerial image sequences. Pattern Recognition and Image Analysis,18(3), pp. 400-405, 2008.
• 9. Pal M.: Random forest classifier for remote sensing classification, International Journal of Remote Sensing, vol. 26(1), pp. 217-222, 2005.
• 10. Pamuła W.: Performance of video detectors working with lossy compressed video streams, Archives of Transport Systems Telematics vol. 5, iss. 1, pp. 22-28, 2012.
• 11. Puri A., Valavanis K. P., Kontitsis M.: Generating Traffic Statistical Profiles Using Unmanned Helicopter-Based Video Data, IEEE International Conference on Robotics and Automation, Rome, Italy, April 2007.
• 12. Tuermer S., Kurz F., Reinartz P., Stilla U.: Airborne Vehicle Detection in Dense Urban Areas Using HoG Features and Disparity Maps, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 6, no. 6, pp. 2327-2337, 2013.
• 13. Welch G., Bishop G.: An Introduction to the Kalman Filter, TR 95-041, University of North Carolina Department of Computer Science 2006.