[논문 리뷰] BrnoCompSpeed: Review of Traffic Camera Calibration and Comprehensive Dataset for Monocular Speed Measurement.

Jakub Sochor, Roman Juránek외 5명|arXiv (Cornell University)|2017. 02. 21.

Autonomous Vehicle Technology and Safety인용 수 16

한 줄 요약

이 논문은 18개의 전체 HD 영상, 20,865개의 차량 인스턴스, 그리고 LiDAR와 GPS로 검증된 참값 속도를 포함하는 종합적인 단안 카메라 캘리브레이션 및 속도 측정 데이터셋인 BrnoCompSpeed를 소개한다. 이는 완전 자동 캘리브레이션 및 속도 추정 방법을 평가하며, 단안 속도 측정 기법 간 공정한 비교를 위한 벤치마크를 제공한다.

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.

연구 동기 및 목표

• 단안 교통 속도 측정을 위한 신뢰할 수 있는 기준 데이터셋의 부족을 해결한다.
• 기존 및 향후 속도 측정 방법 간 공정한 비교를 가능하게 하기 위해 포괄적이고 공개 가능한 데이터셋을 제공한다.
• 실제 도시 환경 데이터셋에서 완전 자동 카메라 캘리브레이션 및 차량 속도 추정 파이프라인의 성능을 평가한다.
• 도시 교통 감시에서 단안 속도 측정의 정확도에 영향을 미치는 요인을 분석한다.
• 단일 카메라 시스템을 활용한 향후 시각적 교통 감시 연구를 위한 재현 가능한 벤치마크를 구축한다.

제안 방법

• 6개의 서로 다른 도시 교통 환경에서 각각 약 1시간 분량의 18개의 전체 HD 영상 시퀀스를 촬영하였다.
• LiDAR와 동기화된 광학 게이트를 사용하여 정밀한 참값 속도를 수집하였으며, 여러 GPS 트랙으로 교차 검증하였다.
• 고정밀 레이블링을 보장하기 위해 20,865개의 차량 인스턴스를 바운딩 박스와 속도 값으로 주석 처리하였다.
• 각 영상에 대해 내부 및 외부 파rameter를 포함한 상세한 카메라 캘리브레이션 메타데이터를 제공하였다.
• 특징 검출 및 기하적 제약 조건을 활용한 완전 자동 카메라 캘리브레이션 방법을 구현하고 평가하였다.
• 2D 운동 추정 및 알려진 도로 기하학을 기반으로 한 단안 속도 측정 파이프라인에 캘리브레이션 결과를 통합하였다.

실험 결과

연구 질문

• RQ1 다양한 도시 교통 환경에서 완전 자동 단안 카메라 캘리브레이션 방법의 성능은 어떻게 변화하는가?
• RQ2 카메라 캘리브레이션 오차가 속도 측정 오류로 얼마나 영향을 미치는가?
• RQ3 LiDAR와 GPS와 같은 다중 참값 원천으로 검증했을 때 속도 추정은 얼마나 일관성 있는가?
• RQ4 카메라 각도, 차량 속도, 도로 기하학 등 어떤 요소가 속도 측정 정확도에 가장 크게 영향을 미치는가?
• RQ5 다중 소스 참값을 갖춘 공개 데이터셋은 단안 속도 측정 알고리즘의 신뢰할 수 있는 벤치마크를 가능하게 하는가?

주요 결과

• BrnoCompSpeed 데이터셋은 18개의 고품질 영상 시퀀스, 20,865개의 주석 처리된 차량 및 LiDAR와 GPS에서 유래한 다중 소스 참값을 포함한다.
• 정밀한 참값과 상세한 캘리브레이션 메타데이터 덕분에 단안 속도 측정의 정확한 평가가 가능하다.
• 완전 자동 캘리브레이션 방법은 다양한 카메라 설정에서 일관된 결과를 도출하여 실제 환경에서의 강건성을 입증하였다.
• 캘리브레이션된 카메라 모델을 사용할 경우, 캘리브레이션되지 않은 또는 근사된 설정에 비해 속도 측정 오차가 크게 감소하였다.
• 데이터셋은 카메라 각도와 카메라로부터의 차량 거리가 속도 추정 정확도에 가장 큰 영향을 미치는 핵심 요소임을 드러내었다.
• 이 데이터셋의 가용성 덕분에 향후 단안 속도 측정 방법의 재현 가능한 평가와 공정한 비교가 가능해졌다.