Seitenfeuer-Lidar-basierte Fahrzeugklassifizierung

Fahrzeugklassifizierungsdaten werden für zahlreiche Verkehrsangelegenheiten verwendet. Die meisten Klassifizierungsdaten stammen von permanenten Einbau-Sensoren im Asphalt oder temporären Sensoren, die auf der Fahrbahn montiert sind. Diese Studie entwickelte ein Lidar-basiertes Klassifizierungssystem, das Daten von Sensoren nutzte, die in einer Seitenfeuer-Konfiguration neben der Straße montiert sind. Das Klassifizierungssystem unterschied zunächst zwischen Fahrzeug-Rückgaben und Nicht-Fahrzeug-Rückgaben und gruppierte dann die Fahrzeug-Rückgaben in einzelne Fahrzeuge. Ein Algorithmus untersuchte jeden Fahrzeugcluster, um nach Anzeichen für eine teilweise Verdeckung durch ein anderes Fahrzeug zu suchen. Es wurden mehrere Messungen von jedem nicht verdeckten Cluster durchgeführt, um das Fahrzeug in eine von sechs Klassen zu klassifizieren: Motorrad, PKW, PKW mit Anhänger, Einzel-Einheit-Lkw, Einzel-Einheit-Lkw mit Anhänger und Mehr-Einheit-Lkw. Der Algorithmus wurde an sechs Standorten unter verschiedenen Verkehrsbedingungen evaluiert. Im Vergleich zu aktuellen Video-Daten der Bodenwahrheit für mehr als 27.000 Fahrzeuge auf Fahrzeugbasis wurden 11 % der Fahrzeuge als teilweise verdeckt vermutet. Der Algorithmus klassifizierte mehr als 99,5 % der verbleibenden nicht verdeckten Fahrzeuge korrekt. Diese Forschung deckte aufkommende Herausforderungen auf, die wahrscheinlich für die meisten Klassifizierungssysteme gelten: die Unterscheidung zwischen Pendlerfahrzeugen und Motorrädern. Verdeckungen waren in dieser Machbarkeitsstudie unvermeidlich, da die Lidar-Sensoren ungefähr 6 Fuß über der Straße montiert waren, was deutlich unter den Oberseiten vieler Fahrzeuge liegt. Letztendlich wird eine Kombination aus einer höheren Perspektive und Forminformationen die Auswirkungen von Verdeckungen erheblich reduzieren.