elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Citywide estimation of parking space using aerial imagery and OSM data fusion with deep learning and fine-grained annotation

Henry, Corentin und Hellekes, Jens und Merkle, Nina und Azimi, Seyedmajid und Kurz, Franz (2021) Citywide estimation of parking space using aerial imagery and OSM data fusion with deep learning and fine-grained annotation. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII, Seiten 479-485. ISPRS 2021, 2021-07-04 - 2021-07-10, Nice, France (virtual event). doi: 10.5194/isprs-archives-XLIII-B2-2021-479-2021. ISSN 1682-1750.

[img] PDF
25MB

Offizielle URL: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLIII-B2-2021/479/2021/isprs-archives-XLIII-B2-2021-479-2021.pdf

Kurzfassung

Emerging traffic management technologies, smart parking applications, together with transport researchers and urban planners are interested in fine-grained data on parking space in cities. However, there are no standardized, complete and up-to-date databases for many urban areas. Moreover, manual data collection is expensive and time-consuming. Aerial imagery of entire cities can be used to inventory not only publicly accessible and dedicated parking lots, but also roadside parking areas and those on private property. For a realistic estimation of the total parking space, the observed use of multi-functional traffic areas is taken into account by segmenting not only parking areas but also roads according to their purpose. In this paper, different U-Net based architectures are tested for detecting all these types of visible traffic areas. A new large-scale, high-quality dataset of manual annotations is used in combination with selected contextual information from OpenStreetMap (OSM) to depict the actual use as parking space. Our models achieve a good performance on parking area segmentation, and we show the significant impact of OSM data fusion in deep neural networks on the simultaneous extraction of multiple traffic areas compared to using aerial imagery alone.

elib-URL des Eintrags:https://elib.dlr.de/142407/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Citywide estimation of parking space using aerial imagery and OSM data fusion with deep learning and fine-grained annotation
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Henry, Corentincorentin.henry (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hellekes, JensJens.Hellekes (at) dlr.dehttps://orcid.org/0000-0002-0080-3124NICHT SPEZIFIZIERT
Merkle, NinaNina.Merkle (at) dlr.dehttps://orcid.org/0000-0003-4177-1066NICHT SPEZIFIZIERT
Azimi, SeyedmajidSeyedmajid.Azimi (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kurz, Franzfranz.kurz (at) dlr.dehttps://orcid.org/0000-0003-1718-0004NICHT SPEZIFIZIERT
Datum:Juli 2021
Erschienen in:The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:XLIII
DOI:10.5194/isprs-archives-XLIII-B2-2021-479-2021
Seitenbereich:Seiten 479-485
ISSN:1682-1750
Status:veröffentlicht
Stichwörter:Deep Learning, Aerial Imagery, Image Segmentation, Parking Space Management, OpenStreetMap
Veranstaltungstitel:ISPRS 2021
Veranstaltungsort:Nice, France (virtual event)
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:4 Juli 2021
Veranstaltungsende:10 Juli 2021
Veranstalter :International Society for Photogrammetry and Remote Sensing (ISPRS)
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Verkehrssystem
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V VS - Verkehrssystem
DLR - Teilgebiet (Projekt, Vorhaben):V - UrMo Digital (alt), R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Merkle, Nina
Hinterlegt am:31 Mai 2021 14:14
Letzte Änderung:24 Apr 2024 20:42

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.