Projekt: EVis - Autonomous Traffic Monitoring by...
Stammdaten
EVis - Autonomous Traffic Monitoring by Embedded Vision | |
Beschreibung: | Die zukünftig deutlich ansteigende Anzahl von Fahrzeugen in sowohl innerstädtischen Ballungsräumen als auch auf Schnellstraßen und Autobahnen verlangt nach adaptiven und autonomen Verkehrsüberwachungssystemen. Derzeit eingesetzte Systeme entscheiden und handeln nicht autonom, sondern werden manuell gesteuert und kontrolliert. Außerdem bedarf deren Installation erheblicher Eingriffe in die Straßeninfrastruktur. Im Rahmen des Projektes “Autonomous Traffic Monitoring by Embedded Vision” (EVis), welches in Kooperation mit der Technischen Universität Graz, der Alpen-Adria-Universität Klagenfurt und der EFKON AG Graz durchgeführt wird, werden wissenschaftliche und technologische Grundlagen für zukünftige autonome Verkehrsüberwachungssysteme untersucht. Die Autonomität wird durch Kombination dreier Ansätze erreicht: Erstens werden Vision-basierte Erkennungs- und Klassifikationsmethoden mit selbstlernenden und szenen-adaptiven Mechanismen angereichert. Dies hat eine maßgebliche Verringerung des manuellen Konfigurationsaufwands zu Folge. Zweitens, visuelle Daten werden mit Daten, die von anderen Sensoren wie zum Beispiel Radar-, Infrarotsensoren oder Induktionsschleifen stammen, fusioniert. Sensorfusion erhöht die Robustheit und Konfidenz, erweitert die Abdeckung sowohl in räumlicher als auch zeitlicher Dimension und reduziert die Ambiguität und Unsicherheit, welche die zu verarbeitenden Sensordaten aufweisen. Drittens sollen die entwickelten Vision-basierten und Sensorfusion betreffenden Methoden auf einer verteilten eingebetteten Plattform umgesetzt werden. Das von uns entwickelte autonome Verkehrsüberwachungssystem wird schließlich mit realen Verkehrsdaten getestet und evaluiert. Für die Evaluierung sind drei unterschiedliche Fallbeispiele vorgesehen: offline Tests mit aufgenommenen Daten, online Tests auf einem Verkehrsversuchsgelände und schließlich reale Tests auf einer öffentlichen Straße. |
Schlagworte: | Computer Vision , Sensor Fusion , Traffic Management, Embedded Computing |
EVis - Autonomous Traffic Monitoring by Embedded Vision | |
Beschreibung: | The world will witness a tremendous increase in the number of vehicles in the near future. Future traffic monitoring systems will therefore play an important role to improve the throughput and safety of roads. Current monitoring systems capture (usually visionbased) traffic data from a large sensory network; however, they require continous human supervision which is extremely expensive. In the proposed EVis research project we investigate the scientific and technological foundations for future autonomous traffic monitoring systems. Autonomy is achieved by a novel combination of three approaches: First, vision-based detection and classification methods are augmented by self-learning and scene adaption mechanismus which will significantly reduce the effort of manual configuration. Second, visual data is fused with data from other sensors such as radar, infrared or inductive loop sensors. Sensor fusion helps to improve the robustness and confidence, to extend the spatial and temporal coverage as well as to reduce the ambiguity and uncertainty of the processed sensor data. Finally, the developed vision and fusion methods are implented on a distributed embedded platform which makes them wider applicable and supports real-time operation. Our autonomous traffic monitoring system will be evaluated using real world traffic data. The evaluation will be conducted in three different case studies: offline testing using recorded data, online testing on a traffic test site, and on a test installation on a public road |
Schlagworte: | Computer Vision, Embedded Computing, Sensor Fusion, Traffic Management |
Kurztitel: | n.a. |
Zeitraum: | 01.04.2007 - 01.06.2010 |
Kontakt-Email: | bernhard.rinner@uni-klu.ac.at |
Homepage: | http://www.pervasive.uni-klu.ac.at |
MitarbeiterInnen
MitarbeiterInnen | Funktion | Zeitraum |
---|---|---|
Sandeep Katragadda (extern) |
|
|
Udaya Lakshmi Cherukuri (extern) |
|
|
Daniela Florian (extern) |
|
|
Donkada Bharat Kumar (extern) |
|
|
Paul-Alexander Süßl (extern) |
|
|
Andreas Starzacher (intern) |
|
|
Bernhard Rinner (intern) |
|
|
Gerfried Essler (extern) |
|
|
Melanie Marianne Schranz (intern) |
|
|
Bernhard Dieber (intern) |
|
|
Zuordnung
Organisationseinheit | ||||
---|---|---|---|---|
Fakultät für Technische Wissenschaften
Institut für Vernetzte und Eingebettete Systeme
|
Kategorisierung
Projekttyp | Forschungsförderung (auf Antrag oder Ausschreibung) |
Förderungstyp | §27 |
Forschungstyp |
|
Sachgebiete | |
Forschungscluster | Kein Forschungscluster ausgewählt |
Genderrelevanz | 0% |
Projektfokus |
Klassifikationsraster der zugeordneten Organisationseinheiten:
|
Arbeitsgruppen | Keine Arbeitsgruppe ausgewählt |
Finanzierung
Förderprogramm | |
---|---|
Bundesministerium für Verkehr, Innovation und Technologie (BMVIT)
Organisation: Bundesministerium für Verkehr, Innovation und Technologie |
Kooperationen
Organisation | Adresse | ||
---|---|---|---|
EFKON AG (Graz)
|
AT - 8045 Graz-Andritz |
||
Technische Universität Graz, Institut für maschinelles Sehen und Darstellen
|
AT - 8010 Graz |
Forschungsaktivitäten
Hier werden alle mit diesem Projekt in Zusammenhang stehenden Forschungsaktivitäten angezeigt. Mit dem untenstehenden Link können sie sich diese Forschungsaktivitäten in der Suche anzeigen lassen und gegebenenfalls exportieren.
(Achtung: Externe Aktivitäten werden im Suchergebnis nicht mitangezeigt)
Zugehörige Forschungsaktivitäten in der Suche anzeigen
(Achtung: Externe Aktivitäten werden im Suchergebnis nicht mitangezeigt)
Projekte | Keine verknüpften Projekte vorhanden |
Publikationen | Keine verknüpften Publikationen vorhanden |
Veranstaltungen | Keine verknüpften Veranstaltung vorhanden |
Vorträge | Keine verknüpften Vorträge vorhanden |