CAROM Air：从航拍视频中实现车辆定位和交通场景重建

摘要

本文介绍了CAROM Air：从航拍视频中实现车辆定位和交通场景重建。道路安全监管机构、城市规划人员、研究者和自动驾驶技术开发者一直希望通过视频重建道路交通场景。然而，通过道路基础设施上安装的相机覆盖道路的每一英里是代价高昂且没有必要的。本文提出了一种将航拍视频处理为车辆轨迹数据的方法，以便通过计算机可以自动重建并且准确地重新模拟交通场景。使用飞行在120米高度的消费级无人机，车辆的定位误差平均约为0.1米至0.3米。本项目还从大约100个小时的航拍视频中汇总了50个重建的道路交通场景的数据集，以实现各种下游交通分析应用，并且进一步促进道路交通相关研究。

主要贡献

本文的贡献如下：

1）本文为航拍视频开发了一种基于关键点的车辆跟踪和定位流程。通过在各种条件下飞行在120米高度的无人机，车辆定位的平均误差为0.1米至0.3米；

2）本文构建了一个车辆轨迹数据集，该数据集是从50个不同的道路交通场景中大约100个小时的无人机视频中获得的；

3）对于每个场景，我们还提供了具有车道级别语义分割的地图，从而实现进一步的自动化交通分析和统计；

4）我们展示了若干下游应用以体现本文框架的实用性。

论文图片和表格

总结

本文提出了CAROM Air，它是一种基于关键点的车辆定位和交通场景重建框架，其使用无人机记录的航拍视频作为输入。本文框架实现了分米级的定位精度，并且能够进行很多实用的下游交通分析应用。尽管如此，它仍然存在特定的限制，例如飞行时间短、城市中飞行区域受限、无人机坠毁的潜在风险等。无人机相机的动态范围也有限，并且检测器在特定车辆上会产生误差，而这些特定车辆（例如摩托车、卡车和拖车）在我们的训练数据中很少出现。随着进一步发展，我们希望它能够成为一种灵活的道路交通分析方法，并且最终有助于提高道路安全和运输效率。

文章转载自公众号：自动驾驶专栏