Ein Beitrag zur Realisierung der videobasierten weiträumigen Verkerhsbeobachtung

Kurzfassung

Die optimale Steuerung des Straßenverkehrs erfordert es, das Verkehrsgeschehen in geeigneter Weise zu erfassen. Aufgrund des technologischen Fortschritts ist es möglich, diese Aufgabe effektiv und effizient zu lösen, indem eine Kamera auf die Straße gerichtet wird und die Bilder mit einem Computerprogramm ausgewertet werden. Die Entwicklung geeigneter Algorithmen zur Bildauswertung ist die Aufgabe dieser Arbeit. Ausgehend von einer Analyse des Standes der Technik wird die spezielle Aufgabe der weiträumigen Verkehrsbeobachtung herausgestellt. In einer weiträumigen Verkehrsszene kommt es dazu, dass sich die abgebildeten Fahrzeuge gegenseitig verdecken. Die Verdeckungen der Fahrzeuge im Bild können unter Einbeziehung der in der Bildfolge gemessenen Fahrzeugbewegungen durch Auswertung der Kontinuitätsgleichung kompensiert werden. Dadurch ist es möglich, die Verkehrsdichte zu messen. Diese Lösungsidee wird theoretisch begründet, wobei eine Operation zur "Kontinuisierung" der diskreten Fahrzeuge eingeführt wird. Eine derartige Herangehensweise ist in der Literatur unter dem Begriff Smoothed Particle Hypothesis (SPH) bekannt. Zur praktischen Realisierung des Messprinzips werden numerische Verfahren zur Lösung der Kontinuitätsgleichung betrachtet. Nach einer theoretischen und praktischen Untersuchung der Eigenschaften üblicher Verfahren zur Lösung partieller Differentialgleichungen, wie MacCormack-, Upwind- und MWR-Verfahren, wird ein verbessertes numerisches Verfahren zur Lösung der Kontinuitätsgleichung entwickelt, welches auf der Charakteristikenmethode basiert. Zur Messung der Bewegung der Fahrzeuge in der Bildfolge wird die Regressionsmethode verwendet. Das hierbei übliche Standardverfahren von Lucas und Kanade muss im Sinne einer Mehrskalenanalyse im Parameterraum weiterentwickelt werden, wofür die Bezeichnung Graduated Non-Convexity (GNC) üblich ist. Hierzu sind aus der Literatur verschiedene Ansätze bekannt, welche den Einsatz robuster Fehlerfunktion vorsehen. In bestimmten Situationen versagen auch diese Verfahren. In dieser Arbeit wird die Ursache dafür festgestellt und Konditionsproblem genannt. Schließlich wird vorgeschlagen, das Konditionsproblem mittels Präkonditionierung zu lösen. Ein entsprechender Algoithmus wird beschrieben und die Effektivität des Lösungsansatzes praktisch demonstriert.