[论文解读] 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 16

一句话总结

本论文介绍了BrnoCompSpeed，一个全面的单目相机标定与测速数据集，包含18段全高清视频、20,865个车辆实例，以及来自LiDAR和GPS的真值速度。该数据集评估了一种全自动的标定与速度估计方法，为单目测速技术的公平比较提供了基准。

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.

研究动机与目标

• 解决单目交通测速领域缺乏具备可靠真值的标准数据集的问题。
• 提供一个全面且公开可用的数据集，以实现对现有及未来测速方法的公平比较。
• 在真实世界数据集上评估全自动相机标定与车辆速度估计流程的性能。
• 分析影响城市交通监控中单目测速精度的因素。
• 为未来基于单摄像头系统的视觉交通监控研究建立可复现的基准。

提出的方法

• 从六个不同的城市交通场景中采集了18段全高清视频序列，每段视频约1小时长。
• 通过与LiDAR同步的光学门装置获取精确的真值速度，并通过多条GPS轨迹进行交叉验证。
• 对20,865个车辆实例进行标注，包含边界框和速度值，确保高精度标注。
• 为每段视频提供详细的相机标定元数据，包括内参和外参。
• 实现并评估了一种基于特征检测与几何约束的全自动相机标定方法。
• 将标定结果集成到基于2D运动估计与已知道路几何结构的单目测速流程中。

实验结果

研究问题

• RQ1 全自动单目相机标定方法在多样化城市交通场景中的表现如何？
• RQ2 相机标定误差在多大程度上传播到速度测量的不准确性中？
• RQ3 当使用多个真值源（LiDAR与GPS）进行验证时，速度估计的一致性如何？
• RQ4 哪些因素——如相机角度、车辆速度或道路几何结构——对速度测量精度影响最大？
• RQ5 一个包含多源真值的公开数据集能否实现单目测速算法的可靠基准测试？

主要发现

• BrnoCompSpeed数据集包含18段高质量视频序列，涵盖20,865个标注车辆，以及来自LiDAR和GPS的多源真值。
• 由于其高精度真值和详细的标定元数据，该数据集可实现对单目测速的精确评估。
• 全自动标定方法在不同相机配置下均表现出一致结果，证明了其在真实环境中的鲁棒性。
• 与未标定或近似标定设置相比，使用标定相机模型后，速度测量误差显著降低。
• 数据集表明，相机角度和车辆与相机的距离是影响速度估计精度的关键因素。
• 该数据集的可用性使得未来单目测速方法的可复现评估与公平比较成为可能。