Für neue Kunden:
Für bereits registrierte Kunden:
Praktikumsbericht / -arbeit, 2002
25 Seiten, Note: 1,7
Abbildungsverzeichnis
Tabellenverzeichnis
1. Einführung und Ausgangssituation:
1.1 Problembeschreibung
1.2 Videoerfassungssystem
2. Messprinzip
2.1 Systemkomponenten
2.2 Mobile und lokale Installationen
2.3 Methode der virtuellen Detektoren
2.4 Detektorarten
3. Einflussfaktoren auf die Datenqualität
3.1 Kalibrierung des Videobildes
3.2 Kameraposition/ -ausrichtung
3.3 Detektorenanordnung und Einstellung
3.4 Umfeld-Bedingungen
3.5 Verkehrszusammensetzung
4. Auswertung und Bewertung der Messdaten
4.1 Messdaten der einzelnen Fahrstreifen
4.2 Statistische Berechnungen
4.3 Abweichungen und Fehlerbeschreibung
4.4 Statistische Daten der Messung:
5. Bewertung und Vergleich der gewonnenen Daten
Abbildung 1: Messanhänger der Universität Kassel
Abbildung 2: Overlay-Bild
Abbildung 3: Kalibrierung des Overlay-Bildes
Abbildung 4: Verdeckung zweier Fahrzeuge bei Schrägaufnahmen
Abbildung 5: Verdeckungsfreie Aufnahme mit zwei Kameras
Abbildung 6: Einfluss der Kameraneigung zur Realebene auf die Genauigkeit der
Abbildung 7: Parameterfester des Coun-Detektors
Abbildung 8: Parameterfenster des Speed-Detektors
Abbildung 9:Parameterfesnter des Station-Detektors
Abbildung 10: Messdaten
Tabelle 1: Erforderliche Kamerahöhe für verdeckungsfreie Aufnahmen
Tabelle 2: Messdaten gesamt
Tabelle 3: Messdaten Pkw
Tabelle 4: Messdaten Lkw
Die genaue und aktuelle Ermittlung von Verkehrszuständen ist die wesentliche Voraussetzung für eine zuverlässige, d.h. den tatsächlichen Gegebenheiten entsprechende Information und Beeinflussung des Verkehrs. Sie spielt insbesondere bei den kollektiven dynamischen Verkehrsleitsystemen für den Innerortsbereich (verkehrsabhängige Lichtsignalsteuerung) und den Ausserortsbereich (Streckenbeeinflussung, Alternativroutensteuerung) eine entscheidende Rolle. Eine hinreichende Genauigkeit von Messdaten muss neben der Verkehrsbeeinflussung aber auch für verkehrsplanerische Aufgaben — einschliesslich der Verkehrsstatistik — gewährleistet sein.
Zur Verkehrsdatenerfassung dienen bisher im wesentlichen lokale (ortsfeste) Messstellen, die fast ausschliesslich mit in der Fahrbahn eingelassenen Induktivschleifendetektoren ausgerüstet sind.
Diese Messtechnik liefert lokale, nach Fahrspuren getrennte mikroskopische und makroskopische Verkehrsdaten:
- Geschwindigkeiten
- grobe Fahrzeugklassifizierung (Pkw/Lkw)
- Zeitlücken
- Belegungszeiten
- Verkehrsstärke
- mittlere lokale Geschwindigkeit
- Fahrzeugtyp-Anteile
An Bundesfernstrassen werden neue Anlagen zur Streckenbeeinflussung und Alternativroutensteuerung zum Teil alternativ mit Strahlungsfelddetektoren (Radardetektoren oder Infrarotsensoren) ausgestattet. Das Messdatenspektrum ist ähnlich wie bei den Induktivschleifendetektoren.
Eine neue Methode zur Erfassung von Verkehrsdaten ist die Videobildverarbeitung.
Dabei werden analoge Bilddaten der Kamera digitalisiert.
Mit Hilfe von den Induktivschleifendetektoren im Funktionsprinzip ähnlichen virtuellen Sensoren, die auf das Videobild gelegt werden, können Bewegungen von Objekten im Kamerabild über eine Änderung der Grauwerte bezüglich eines Referenzbildes erkannt und ausgewertet werden.
Videoerfassungssysteme sind in grösserem Umfang zur Verkehrssteuerung in den USA im Einsatz, in Deutschland ist diese Art der Verkehrsdatenerfassung bislang kaum verbreitet.
Ein Vorteil der Verkehrserfassung mit Videotechnik liegt vor allem in der Möglichkeit, einen räumlich begrenzten Strassenabschnitt erfassen zu können.
In der Regel ist es bei entsprechender Positionierung und Ausrichtung möglich, mit nur einer Kamera einen bis zu 8-streifigen Querschnitt zu erfassen.
Im Zeichen ständig ansteigenden Verkehrsaufkommens bedeuten Autobahnstellen, ob nun „langandauernd" oder „kurzzeitig", eine erhebliche Beeinflussung der Verkehrssicherheit und des Verkehrsablaufs dar. Damit das Leitziel „Erhaltung eines optimalen Strassenzustandes", das bei Erreichen des höchstmöglichen Gebrauchswertes, der minimalen gesamtwirtschaftlichen Kosten und der höchstmöglichen Umweltverträglichkeit gegeben ist, erfüllt wird, braucht man eine genaue und aktuelle Ermittlung von Verkehrszuständen. Bisher wurde die dazu erforderliche Verkehrsdatenerfassung durch ortsfeste Messstellen, bei denen Induktionsschleifendetektoren in die Strassendecke eingelassen werden mussten, geregelt. Mit diesem System können Verkehrsdaten wie Geschwindigkeit und grobe Klassifizierung des Fahrzeugs, Zeitlücken, Belegungszeiten, Verkehrsstärke, mittlere lokale Geschwindigkeiten und Fahrzeugtypanteile erfasst und verarbeitet werden.
Als Weiterentwicklung, was die Mobilität der Verkehrserfassungssysteme betrifft, kann die Messung mit Strahlungsfelddetektoren bezeichnet werden. Hier werden mit Radardetektoren und Infrarotsensoren hauptsächlich auf Bundesfernstrassen ähnliche Verkehrsdaten wie bei ortsfesten Messstellen erfasst, um diese in Hinblick auf Streckenbeeinflussung und Alternativroutensteuerung auszuwerten.
Thema dieser Projektarbeit soll der Vergleich und die kritische Betrachtung des Systems der „Videobildverarbeitung" sein, dass zuvor Gegenstand einer Diplomarbeit war und nun auf Abweichungen und Fehlmessung überprüft werden soll.
Bei dieser neuen Form der Datenerfassung werden Bilddaten mit handelsüblichen Videokameras erfasst und in rechnerkonforme Datenformate umgewandelt, während gleichzeitig alle Verkehrsdaten im Bild auf Videobändern aufgezeichnet werden. Diese neue Art der Verkehrserhebung liefert so nicht nur die erforderlichen physikalischen Kenngrössen, sondern macht auch eine Situationsbezogene Ergebung möglich, die später weiter differenziert werden kann, da sie beliebig oft wiederholbar ist.
Das Beurteilen einer Verkehrssituation mit allen benötigten Kenngrössen war bis jetzt mit keinem der bisher verwendeten Verfahren möglich.
Während das Medium Mensch zwar Verkehrssituationen zählen, analysieren und interpretieren kann, ist die aufzunehmende Menge und Genauigkeit der Daten begrenzt, die Messung von Entfernungen und Geschwindigkeiten mit einer verwendbaren Genauigkeit so gut wie gar nicht möglich. Beiden automatischen Verkehrserfassungsgeräten wie Induktionsschleifen, Radar-, Infrarot- und Lasersensoren werden die physikalischen Kenngrössen wie Geschwindigkeit, Weg- und Zeitlücken zwar in grossem Umfang erfasst, es ist aber keine Zuordnung von Daten und keine Einschätzung der Situation möglich.
Im Bereich der Verkehrsstärke und der Klassifizierung von Fahrzeugen bildet die manuelle Auswertung die Referenz zu dem digitalen automatischen Erfassungsgerät, das sich nur auf bestimmte Standardsituationen einstellen kann und somit vielen Fehlmessungen ausgeliefert ist.
Eine noch relativ neue Erhebungstechnik, die die Eigenschaften der eben erläuterten Methoden vereint, ist die videobasierte digitale Bildverarbeitung.
Hier werden vielfältige optische Informationen aus Videobändern gespeichert und automatisch genaue Messungen physikalischer Kenngrössen computergestützt analysiert.
Ein solchen computergestütztes Videobildverarbeitungssystem namens „Autoscope" ist eine Entwicklung der Image Sensing System (ISS) und der University of Minnesota aus den 80er Jahren.
Im Jahr 1989 wurde das System, welches die Fähigkeit hat, mehrere Fahrspuren oder Fahrtrichtungen auf einmal zu überwachen und zu analysieren, entwickelt.
Im Moment gibt es zwei Versionen dieser Systeme:
- AutoscopeTm 2004
Mit bis zu 8 Kameras zur Aufnahme von Knotenpunkten und Plätzen
- Autoscope S010
Mit einer Kamera zur Aufnahme von bis zu 9 Fahrspuren gleichzeitig
In Bezug auf die Projektarbeit wurde das System mit einer Kamera verwendet, das zwei Abfahrspuren und drei Richtungsfahrbahnen gleichzeitig aufnahm.
1. Die mobile Installation
(Anhänger mit Teleskoparm und Kamera)
Das Fachgebiet Verkehrstechnik der Universität Kassel besitzt für mobile Messungen einen Messanhänger mit einer internen Stromversorgung, die durch einen Generator stromnetzunabhängig aufrechterhalten wird. Der Anhänger besitzt einen Teleskopmast, der bis zu 11 m Höhe ausgefahren werden kann und einen fernbedienbaren Schwenk-und Neigekopf zur optimalen Ausrichtung der Kamera.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Messanhänger der Universität Kassel
Eigene Aufnahme im Rahmen der Projektarbeit
2. Die lokale Installation
für die Installation an Brücken (Ortsabhängig), Anschluss mittels Detector Port (macht Systemübergreifende Nutzung möglich) an eine LSA-Steuerungsanlage oder andere Detektion80systeme wie z.B. Induktionsschleifen.
Des Weiteren kann man das System zur Verkehrserhebung in 3 Varianten nutzen und ausbauen:
- stationäre Messung:
In der ersten Ausbaustufe muss der PC nur zum Einlesen der Detektoren und zum Auslesen der Messdaten an den MVP angeschlossen werden, so dass sich an der Messstelle nur die Kamera mit integriertem Prozessor befindet. Allerdings ist es hierbei nicht möglich, Aufzeichnungen mit dem Videorekorder zu erstellen. Die Messungen können später nicht noch einmal eingesehen und bewertet werden. Von Prinzip her liefert diese Art der Messung gleiche Ergebnisse wie Induktionsschleifen- und Strahlungsfelddetektoren.
- Mobile Messung:
In der zweiten Stufe muss mit einem Anhänger gearbeitet werden, da die Geräte wie Hub und Videorekorder vor Ort bleiben müssen. Dafür sind die Ergebnisse, die eine solche Messung liefert, vielschichtiger. Die bei der Messung gesammelten Daten können sowohl digital, als auch auf dem Monitor aufgenommen und nachbearbeitet werden.
- Langzeitmessung:
In der dritten Stufe kann das System für Langzeiterfassungen von Daten oder zur kollektiven Verkehrsbeeinflussung genutzt werden. Die Daten werden zwischengespeichert und können jederzeit in einer Verkehrsleitstelle abgerufen und gesammelt werden. Diese Möglichkeit der Nutzung schliesst die direkte Steuerung von LSA-Anlagen mit ein. Sie ist deshalb so interessant, da durch Monitore (Liveübertragung) nicht nur die Steuerung, sondern auch eine visuelle Kontrolle bei Störfällen möglich ist.
Somit zeigen sich auch die Vorteile einer Bildaufzeichnung, die immer einer reinen Datensammlung vorgezogen wird.
Die Detektion von Fahrzeugen stellt die Schritte Merkmalsextraktion und Merkmalsvergleich der im vorangegangenen Kapitel erläuterten Bildinterpretation dar. Damit die bei diesen Schritten anfallenden Datenmengen nicht unnötig gross sind, geht das System von folgenden Grundvoraussetzungen aus:
- Bei den Objekten handelt es sich zum grössten Teil um bewegte Objekte.
- Die Objekteigenschaften entsprechen am Tag einem quaderförmigen Modell mit Kanten und rechteckigen Flächen und bei Nacht einem oder einem Paar von Scheinwerfern.
- Nur bestimmte Teile des Bildes, die Fahrspuren, sind massgebend.
- Die Objekte befinden sich in einer gleichförmigen, unbeschleunigten Bewegung.
Damit das Objekt erfasst werden kann, arbeitet das System mit zwei Algorithmen zur Binärbilderzeugung, der Betragsdifferenz und der Dunkeldifferenz.
Für beide Verfahren ist das Hintergrundbild, das ständig an die wechselnden Lichtverhältnisse angepasst wird, massgebend. Das Hintergrundbild für den nächsten Bearbeitungszeitraum erhält man durch eine gewichtete Addition des Differenzbildes von Eingangsbild und altem Hintergrundbild mit dem alten Hintergrundbild.
Bei der Betragsdifferenz, die sich für leichten und mittleren Verkehr eignet, wird das Hintergrundbild vom aktuellen Eingangsbild subtrahiert. Der Absolut-Wert dieser Differenz wird dann einer Schwellwertentscheidung unterworfen, durch die dann ein Binärbild entsteht.
Bei der Dunkeldifferenz wird das Hintergrundbild vom Eingangsbild subtrahiert aber der Absolut-Wert der Differenz einer Schwellwertentscheidung unterworfen, sondern nur der dunkle Anteil dieser Differenz. Diese Vorgehensweise ergibt sich daraus, dass sich vor einem Fahrzeug zwischen den beiden Vorderreifen immer ein Schatten auf der Strasse bildet, der sich mit dem Reifen zusammen gut vom Hintergrund abhebt.
So kann selbst bei dichtem Verkehr eine klare Unterscheidung zwischen den einzelnen Objekten stattfinden, was die weitere Verfolgung des Objekts erleichtert. Nachteil ist allerdings, dass nicht das gesamte Fahrzeug erkannt wird.
Im nächsten Schritt werden die Segmente des Objektbildes berechnet und durch ein umschreibendes Rechteck dargestellt.
Aus der dann aufgenommen Verfolgung des aktuell detektierten Segmentes ergibt sich die Information über das Verhalten des Objektes bezogen auf die Zeit.
Die Mitte der vorderen Kante des umschriebenen Rechtecks ist das Zuordnungsmerkmal für die Verfolgung. Dem Verfolgungsalgorithmus liegt der Kalman-Filter zugrunde.
Mit Hilfe des Zustandsvektors, der X-und Y-Weltkoordinaten des Fahrzeugs enthält, können mit einigen Messungen Position und Geschwindigkeit des Objektes genau bestimmt werden.
Das AutoScopeTm Solo System kann folgende querschnittsbezogene Daten erfassen, beziehungsweise errechnen:
- Anzahl von Fahrzeugen
- Momentan- und Durchschnittsgeschwindigkeit
- Verkehrsstärke
- Fahrzeuglänge
- Klassifizierung von Fahrzeugen nach Länge oder Geschwindigkeit
- Belegungsgrad und Zeitlücken
Dies geschieht mittels virtueller Detektoren, die vor der eigentlichen Sammlung der Daten mit Hilfe der Software auf dem Bildschirm des PC s eingerichtet werden müssen.
Da System stellt folgende Detektoren-Typen zur Verfügung:
- Count
- Presence
- Speed
- Station
- Detektoren zur Bildstabilisierung
Mit dem Count-Detektor werden Fahrzeuge unabhängig ihrer Fahrtrichtung gezählt. Er wird meistens quer zur Fahrbahn angeordnet, da dann bedingt durch den Abstand zum vorangegangenen Fahrzeug die Umrisse im Videobild genau erfasst werden können und so eine zuverlässige Detektion möglich ist.
Damit natürliche Störgrössen wie Schatten von Fahrzeugen, Gebäuden oder Bäumen und Reflexionen von Scheinwerfern auf nasser Fahrbahn das Ergebnis nicht verfälschen, wurden Algorithmen entwickelt, mit deren Hilfe es in einem gewissen Rahmen möglich ist, Fehldetektionen zu vermeiden.
Der Presence-Detektor unterscheidet sich von dem Count-Detektor zum einen in seiner Richtungs-empfindlichkeit, denn nur Fahrzeuge in einer Fahrtrichtung (Winkel der Bewegungsrichtung Fahrzeug zum Detektor liegt zwischen -80° und 80°) werden gezählt und zum anderen durch seine Erfassung von haltenden Fahrzeugen. Ein Fahrzeug wird als haltend detektiert, wenn es sich über einen bestimmten, vom Anwender einstellbaren Zeitraum im Überwachungsfeld befindet, was diesen Detektor vor allem für Rückstau-erkennungen interessant macht.
Beim Speed-Detektor wird erst die Geschwindigkeit und die Länge des Fahrzeuges innerhalb eines Schleifenbereiches gemessen und das Fahrzeug mittels eines nachgeschalteten Count-Detektors gezählt. Mit diesen Grössen ist es dem System möglich, eine Klassifizierung, über die Länge des Fahrzeuges, durchzuführen, die Momentan-geschwindigkeit der einzelnen Fahrzeuge, die geschätzte Anzahl der Fahrzeuge pro Stunde und die mittlere Geschwindigkeit aller Fahrzeuge und Bruttozeitlücken zu errechnen.
Die bis hierhin erklärten Detektoren können auch logisch miteinander verknüpft werden, damit die Erkennungsrate der Fahrzeuge noch um einiges gesteigert werden kann.
Dem System stehen die logischen Operatoren AND, NAND, OR und M aus N zur Verfügung. Als einfaches Beispiel kann hier die AND-Verknüpfung zweier Count-Detektoren auf einem Fahrstreifen genannt werden. Wenn einer der beiden Detektoren durch eine Bildstörung aktiviert wird und der andere nicht, so wird dieser Zählvorgang nicht gewertet.
Ein weiterer für die interne Speicherung der Daten im MVP notwendiger Detektor ist der Station-Detektor. Er kann als ein Sammeldetektor bezeichnet werden, der die Daten jedes einzelnen Speed-, Count-, Presence-Detektors oder einer logischen Verknüpfung über ein bestimmtes Zeitintervall zwischen 10 Sekunden und 60 Minuten sammelt und dann abspeichert.
Mit der letzten Detektoren-Art kann bei widrigen Aufnahmebedingungen wie starkem Wind oder schweren Erschütterungen durch Schwerlastverkehr eine gewisse Bildstabilisation erreicht werden. Während kleine Bildverschiebungen bis zu 5 Pixel noch vom System selbst aufgefangen werden können, muss man bei stärkeren Bildschwankungen auf die bildstabilisierenden Detektoren zurückgreifen, um repräsentative Zählergebnisse zu bekommen.
Diese Arten von Detektoren werden an kontrastreichen Stellen im Bild wie Fahrbahnmarkierungen platziert. Wenn sich dann die Kamera bewegt, verschieben sich auch diese Bildmerkmale und das System ist durch bestimmte Algorithmen in der Lage die Eigenbewegung der Kamera zu errechnen und zu kompensieren.
Damit die Detektoren zuverlässig funktionieren muss das Bild vom Anwender kalibriert werden. Für die Umrechnung der Videokoordinaten in Realkoordinaten sind mindestens vier Punkte und die Höhe der Kamera nötig.
Im ersten Schritt wird das sogenannte Overlay-Bild heruntergeladen. Im zweiten Schritt werden mit Hilfe der Software die Referenzlinien längs und quer zur Fahrbahn, sogenannte Crosslane- und Downlane-Linien eingepasst. Danach werden die reellen Abstände der Linien, entweder durch Erfahrungswerte oder bekannten Fahrbahnquerschnitt, eingegeben, damit bei sehr genauer Kalibrierung realitätsnahe Fahrzeuglängen und Geschwindigkeiten des fliessenden Verkehrs gemessen werden können.
[...]