基于道路几何的无人机车流摄像机标定
计算机视觉与模式识别
2026-05-13 v1
摘要
无人机(UAV)可在固定路侧摄像机不可用、昂贵或不实用的地方提供灵活的车流监视。然而，原始无人机视频难以用于车流分析，因为车辆运动是以透视图像坐标而非稳定的度量道路坐标系统中观察。本文提出了一种轻量级管道，将单目斜视无人机车流视频转换为局部度量鸟瞰视图(BEV)表示。可见道路几何，包括车道标线、道路边界和人行横道，用于从图像坐标到度量地面平面坐标估计道路平面异方位。随后，来自数据集注释或检测器的车辆观测被投影到BEV以使用估计的地面接触点。 resulting trajectories support estimation of vehicle direction, speed, heading, and dynamic 3D cuboids on the road plane. 我们使用地面实况注释在UAVDT上评估了该管道，以隔离校准和几何重建与检测器和跟踪器错误。对于序列M1401，40个抽样帧从img000001-img000196产生632个度量立方体实例跨23条轨迹。结果表明，道路几何标定可以将单目无人机录像转换为可解释的车流摄像机风格分析，包括BEV轨迹和同步的3D立方体可视化。它们也揭示了关键局限性：远场车辆对异方位误差敏感，手动验证目前比完全自动标定更可靠，单平面假设在非平面或模糊的道路区域限制性能。该提出的管道为可部署的无人机车流摄像机和未来实时车流数字孪生系统提供了实用基础。
引用
@article{arxiv.2605.11900,
title = {Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance},
author = {Alexey Popov and Natalia Trukhina and Vadim Vashkelis},
journal= {arXiv preprint arXiv:2605.11900},
year = {2026}
}