利用街景图像与深度学习绘制郊区自行车道地图
计算机视觉与模式识别
2022-04-28 v1
摘要
路内自行车道可提升骑行者的安全性，并鼓励人们将骑行作为主动交通与休闲方式。由于许多地方当局仅负责部分基础设施，官方自行车道地图与数据集可能过时且不完整。即便是“众包”数据库也可能存在显著空白，尤其是在热门大都市区之外。本论文提出一种方法，通过采集调查区域内每条道路的街景图像样本，并应用经训练可识别自行车道标志的深度学习模型，来绘制该区域的自行车道地图。检测到自行车道标线的坐标列表随后与道路网络的地理空间数据相关联，以记录自行车道路线。该方法已成功应用于绘制墨尔本远郊某调查区域的自行车道地图，能够识别出此前未在官方州政府数据集、OpenStreetMap 或谷歌地图“骑行”图层中记录的自行车道。
引用
@article{arxiv.2204.12701,
title = {Mapping suburban bicycle lanes using street scene images and deep learning},
author = {Tyler Saxton},
journal= {arXiv preprint arXiv:2204.12701},
year = {2022}
}
备注
77 pages, 24 figures. A minor thesis submitted in partial fulfilment of the requirements for the degree of Master of Data Science