Filtern
Erscheinungsjahr
- 2017 (3) (entfernen)
Dokumenttyp
Schlagworte
- Digitale Bildverarbeitung (3) (entfernen)
Institut
- Sonstige (3) (entfernen)
Road condition acquisition and assessment are the key to guarantee their permanent availability. In order to maintain a country's whole road network, millions of high-resolution images have to be analyzed annually. Currently, this requires cost and time excessive manual labor. We aim to automate this process to a high degree by applying deep neural networks. Such networks need a lot of data to be trained successfully, which are not publicly available at the moment. In this paper, we present the GAPs dataset, which is the first freely available pavement distress dataset of a size, large enough to train high-performing deep neural networks. It provides high quality images, recorded by a standardized process fulfilling German federal regulations, and detailed distress annotations. For the first time, this enables a fair comparison of research in this field. Furthermore, we present a first evaluation of the state of the art in pavement distress detection and an analysis of the effectiveness of state of the art regularization techniques on this dataset.
Cyclists are more likely to be injured in fatal crashes than motorised vehicles. To gain detailed and precise behavioural data of road users, i.e. trajectories, a measuring campaign was conducted. Therefore, a black-spot for accidents with cyclists in Berlin, Germany was selected. The traffic has been detected by a fully automated traffic video analysis system continuously for twelve hours. The video surveillance system is capable of automatically extracting trajectories, classifying road user types and precise determining and positioning of conflicts and accidents. Additionally, pre-conflict and pre-accident situations could be analysed to provide further in-depth understanding of accident causation. The evaluation of the measuring campaign comprised the investigation of traffic parameters, e.g. traffic flow, as well as traffic-safety related parameters based on Surrogate Safety Measures (SSM). Furthermore, the spatial and temporal distributions of conflicts involving cyclists were determined. As a result, three possible conflict clusters could be identified, of which one cluster could be confirmed by detailed video analysis, showing conflicts caused by right turning vehicles.
Ziel des Forschungsprojektes ist es, die handnahe Bauwerksprüfung gemäß DIN 1076 durch innovative, bildgebende Verfahren zu ergänzen und zu optimieren. Unbemannte Fluggeräte bzw. UAS (Unmanned Aerial System) bieten vielfältige Möglichkeiten zur Bilderfassung und können als unterstützendes, technisches Hilfsmittel in der Brückenprüfung zum Einsatz kommen. Im Rahmen des Forschungsvorhabens wurden drei Brücken mithilfe von UAS beflogen. Es handelte sich dabei um die folgenden Bauwerke: das Schildescher Viadukt in Bielefeld, die Talbrücke Nuttlar sowie die Europabrücke in Koblenz. Diese drei Brücken weisen unterschiedliche Charakteristika bezüglich Bauart, Oberfläche und Baujahr auf. Durch den Einsatz von UAS konnten Schäden an den genannten Brücken identifiziert werden. In diesem Zusammenhang konnten die von einem Brückenprüfer zuvor getroffenen Vorabeinschätzungen bezüglich der zu identifizierenden Schäden bestätigt bzw. übertroffen werden. Insbesondere die Möglichkeit zur Befliegung schwer zugänglicher Stellen durch den Einsatz von UAS sowie Zeitersparnis während einer Prüfung, macht diese Technologie für die Brückenprüfung interessant. Durch die gezielte Anwendung der UAS Technologie wird eine Reduzierung der Nutzungseinschränkung des Bauwerks verbunden mit einer Qualitätssteigerung der Ergebnisse erreicht. Dies gilt nicht nur für die klassische Brückenprüfung gemäß DIN 1076 sondern auch für Sonderprüfungen aufgrund von außergewöhnlichen Ereignissen wie z.B. Hochwasser oder Unfall.