AGIT Journal

Seite drucken

Erkennung von Fußgängerstreifen aus Orthophotos

Fußgängerstreifen sind ein wichtiger Bestandteil der Fußgängernavigation. Sie sind jedoch bei den Behörden kaum digital zugänglich und nur spärlich in OpenStreetMap erfasst. Um dem entgegen zu wirken, befasst sich dieses Projekt mit der automatischen Erkennung von Fußgängerstreifen auf Orthophotos (Satellitenbildern). Dabei entstand eine Applikation, die Fußgängerstreifen entlang von Straßen findet und ihre Koordinaten extrahiert. Die Erkennung erfolgt durch ein Neuronales Netz. Dieser Prozess konnte mithilfe von Parallelisierung auf eine große Anzahl von Computern verteilt werden, was die Verarbeitung vieler Daten in angemessener Zeit überhaupt erst ermöglichte. Es wurde eine Erkennungsrate von über 80 % der visuell sichtbaren Fußgängerstreifen mit einer Fehlerrate von weniger als 10 % erreicht. Die Koordinaten der Fußgängerstreifen wurden im Anschluss an das Crowdsourcing-System MapRoulette, übergeben. Auf diesem Weg werden die Daten in OpenStreetMap integriert und tragen zur Verbesserung der Fußgängernavigation bei. Der Erkennungsalgorithmus kann mit entsprechenden Kenntnissen auch auf weitere Objekte angewendet werden.

Crosswalks are an essential part of pedestrian navigation. Unfortunately, they are recorded only sparsely in OpenStreetMap. This leads to non-optimal routes. To counteract this problem, the topic of this project is to automate the process of finding crosswalks on orthophotos (satellite images). The result is an application which finds yellow crosswalks along streets and extracts their coordinates. The recognition is implemented with a neural network. It has achieved a recognition rate of over 80 % with a false discovery rate of less than 10 %. This process could be shared on a large number of computer by using a queuing system that makes the processing of so much data possible. After that, the coordinates were added to the crowdsourcing system MapRoulette. With this solution the coordinates of the crosswalks can be integrated in OpenStreetMap to help improve pedestrian navigation. It is possible to expand this solution so that the algorithm can be applied to other objects.

Autor / Author: Keller, Stefan; Bühler, Severin; Kurath, Samuel
Institution / Institution: HSR Hochschule für Technik Rapperswil, Schweiz; HSR Hochschule für Technik Rapperswil, Schweiz; HSR Hochschule für Technik Rapperswil, Schweiz
Seitenzahl / Pages: 5
Sprache / Language: Deutsch
Veröffentlichung / Publication: AGIT ‒ Journal für Angewandte Geoinformatik, 2-2016
Tagung / Conference: AGIT 2016 – Symposium und Fachmesse Angewandte Geoinformatik
Veranstaltungsort, -datum / Venue, Date: Salzburg, Österreich 06-07-16 - 08-07-16
Schlüsselwörter (de): Big Data, Open Data, Navigation, Bilderkennung, maschinelles Lernen
Keywords (en): Big data, open data, navigation, image detection, machine learning
Paper review type: Extended Abstract Review
DOI: doi:10.14627/537622023
3875 - Erkennung von Fußgängerstreifen aus Orthophotos