[論文レビュー] BrnoCompSpeed: Review of Traffic Camera Calibration and Comprehensive Dataset for Monocular Speed Measurement.

Jakub Sochor, Roman Juránek+5 more|arXiv (Cornell University)|Feb 21, 2017

Autonomous Vehicle Technology and Safety被引用数 16

ひとこと要約

本論文では、LiDARおよびGPSによる検証済みの真値速度を備えた、18本のフル-HD動画、20,865台の車両インスタンスを含む包括的な単眼カメラキャリブレーションおよび速度測定データセット「BrnoCompSpeed」を紹介する。本研究では、完全自動のキャリブレーションおよび速度推定手法の評価を行い、単眼速度測定技術の公平な比較のためのベンチマークを提供する。

ABSTRACT

In this paper, we focus on traffic camera calibration and a visual speed measurement from a single monocular camera, which is an important task of visual traffic surveillance. Existing methods addressing this problem are difficult to compare due to a lack of a common data set with reliable ground truth. Therefore, it is not clear how the methods compare in various aspects and what factors are affecting their performance. We captured a new data set of 18 full-HD videos, each around 1 hr long, captured at six different locations. Vehicles in the videos (20865 instances in total) are annotated with the precise speed measurements from optical gates using LiDAR and verified with several reference GPS tracks. We made the data set available for download and it contains the videos and metadata (calibration, lengths of features in image, annotations, and so on) for future comparison and evaluation. Camera calibration is the most crucial part of the speed measurement; therefore, we provide a brief overview of the methods and analyze a recently published method for fully automatic camera calibration and vehicle speed measurement and report the results on this data set in detail.

研究の動機と目的

• 単眼交通速度測定のための信頼できる真値を備えた標準化されたデータセットの不足に対処する。
• 既存および将来の速度測定手法の公平な比較を可能にする包括的で公開可能なデータセットを提供する。
• 実世界のデータセット上で、完全自動のカメラキャリブレーションおよび車両速度推定パイプラインの性能を評価する。
• 都市部の交通監視における単眼速度測定の精度に影響を与える要因を分析する。
• 将来の単カメラシステムを用いた視覚的交通監視分野の研究のための再現可能で確立されたベンチマークを確立する。

提案手法

• 6つの異なる都市部の交通状況から、18本のフル-HD動画シーケンス（各約1時間）を収録した。
• LiDARと同期された光学ゲートを用いて正確な真値速度を収集し、複数のGPSトラックで相互に検証した。
• 高精度なラベル付けを実現するため、20,865台の車両インスタンスをバウンディングボックスと速度値でアノテーションした。
• 各動画に対して、内蔵パラメータおよび外装パラメータを含む詳細なカメラキャリブレーションメタデータを提供した。
• 特徴検出と幾何的制約を用いた完全自動のカメラキャリブレーション手法を実装・評価した。
• キャリブレーション結果を、2次元の運動推定と既知の道路ジオメトリを基にした単眼速度測定パイプラインに統合した。

実験結果

リサーチクエスチョン

• RQ1 完全自動の単眼カメラキャリブレーション手法の性能は、多様な都市部交通シナリオにおいてどのように変動するか？
• RQ2 カメラキャリブレーションの誤差が、速度測定の不正確さにどの程度まで伝播するか？
• RQ3 LiDARおよびGPSという複数の真値ソースで検証した場合、速度推定値はどの程度一貫性を示すか？
• RQ4 カメラの角度、車両の速度、道路ジオメトリといった要因の中で、速度測定精度に最も顕著に影響を与える要因は何か？
• RQ5 複数の真値ソースを備えた公開データセットは、単眼速度測定アルゴリズムの信頼性あるベンチマーク化を可能にするか？

主な発見

• BrnoCompSpeedデータセットには、20,865台のアノテート済み車両と、LiDARおよびGPSからの複数ソースの真値速度を備えた18本の高品質な動画シーケンスが含まれる。
• 高精度な真値と詳細なキャリブレーションメタデータのおかげで、本データセットは単眼速度測定の正確な評価を可能にする。
• 完全自動のキャリブレーション手法は、さまざまなカメラ設定において一貫した結果を達成しており、実環境での頑健性を示した。
• キャリブレーション済みのカメラモデルを用いることで、キャリブレーションなしまたは近似された設定と比較して、速度測定誤差が顕著に低減された。
• データセットの分析から、カメラの角度とカメラからの車両の距離が、速度推定精度に最も大きな影響を与える要因であることが明らかになった。
• 本データセットの公開により、将来の単眼速度測定手法の再現可能で公平な評価が可能になった。