Using Computer Vision to Extract Information About the Traffic Using a Vehicle-Mounted Monocular Camera

Abstract

Utviklingen og evnen til selvkjørende kjøretøy har økt drastisk det siste tiåret. Dessverre er drømmen om et trafikkbilde som utelukkende består av selvkjørende kjøretøy, fortsatt ikke realistisk, i hvert fall i noen år til. I mellomtiden øker behovet for å optimalisere trafikkflyten, spesielt ved veikryss. Nye biler, og spesielt de selvkjørende, er fullpakket med ny og dyr sensorteknologi. Disse sensorene har muligheten til å samle store mengder data om trafikken rundt seg og informasjonen disse samler inn kan brukes til flere formål. Som for eksempel å styre optimalisere trafikkflyten i veikryss. I denne perioden mellom nå og en fremtid hvor mennesker blir tatt ut av førersetet, bør det være mulig å bruke disse sensorene på selvkjørende kjøretøy for å lukke informasjonsgapet forårsaket av kjøretøyer som ikke er utstyrt med disse sensorene.

Vår masteroppgave forsøker å bruke kamerasensorene til autonome og tilkoblede kjøretøy for å oppdage og hente ut opplysninger om andre kjøretøy, og videre formidle denne informasjonen til et V2I-system på vegne av de andre kjøretøyene for intelligent trafikkstyring. Forskningsspørsmålene undersøker muligheten til å bruke et monokulært kamera for å oppdage og telle kjøretøy i forskjellige kjørebaner, estimere avstanden og beregne hastigheten.

Masteroppgaven gir bevis for at et slikt system har potensial, og med ytterligere forbedringer vil det være mulig å formidle noen av de nødvendige opplysninger for å styre veikryssene mer optimalt.

The development and capability of autonomous vehicles have skyrocketed in the last decade. Unfortunately the dream of having traffic consisting of exclusively autonomous vehicles are still not realistic, at least for a couple of more years. In the meantime the need to optimize traffic flow, especially at intersections, are increasing. New vehicles, and especially the autonomous ones, are packed with new and expensive sensor technology. These sensors have the ability of collecting huge amounts of data about the traffic around them, and that data could be used for additional purposes. Like for example managing intersections more efficiently. In this period between now and a future where humans are taken out of the driver seat, it should be possible to use these sensors stuffed vehicles to close the information gap created by vehicles not equipped with these sensors.

Our thesis attempts to use the camera sensors of autonomous and connected vehicles to detect and extract information about other vehicles, and communicate this information to a V2I system on behalf of the other vehicles for intelligent traffic management. The research questions investigate the possibility to use a monocular camera to detect and count vehicles in different lanes, estimate their distance, and compute their speed.

The thesis give evidence that such system has potential, and with further refinements it would be able to confidently provide some of the necessary information to manage intersections more optimally.