利用无人机影像提取地理参考车辆轨迹的先进计算机视觉方法
计算机视觉与模式识别
2025-07-04 v3 人工智能
机器学习
摘要
本文提出了一种从高空无人机影像中提取地理参考车辆轨迹的框架，解决了城市交通监控中的关键挑战以及传统地面系统的局限性。我们的方法整合了若干新颖的贡献，包括一个针对高空鸟瞰视角优化的专用目标检测器、一种利用检测到的车辆边界框作为图像配准期间排除掩模的独特轨迹稳定方法，以及一种基于正射影像和主帧的地理参考策略，可增强多个无人机视角之间的一致对齐。此外，我们的框架具备稳健的车辆尺寸估计和详细的道路分割功能，能够实现全面的交通分析。该研究在韩国松岛国际商务区进行，利用多无人机实验覆盖了 20 个交叉路口，在四天内捕获了约 12TB 的 4K 视频数据。该框架产生了两个高质量数据集：Songdo Traffic 数据集，包含约 700,000 条独特的车辆轨迹，以及 Songdo Vision 数据集，包含超过 5,000 张人工标注图像，其中约有 300,000 个车辆实例分为四个类别。与来自仪器化探测车的高精度传感器数据的对比，突显了我们的提取流水线在密集城市环境中的准确性和一致性。Songdo Traffic 和 Songdo Vision 的公开发布以及提取流水线的完整源代码，在数据质量、可复现性和可扩展性方面建立了交通研究的新基准。结果表明，将无人机技术与先进计算机视觉相结合，具有实现精确且经济的城市交通监控的潜力，为发展智能交通系统和增强交通管理策略提供了宝贵的资源。
引用
@article{arxiv.2411.02136,
title = {Advanced computer vision for extracting georeferenced vehicle trajectories from drone imagery},
author = {Robert Fonod and Haechan Cho and Hwasoo Yeo and Nikolas Geroliminis},
journal= {arXiv preprint arXiv:2411.02136},
year = {2025}
}