EEE Kutatólaboratórium MTA-SZTAKI Magyar Tudományos Akadémia

Hasonló dokumentumok
Alter Róbert Báró Csaba Sensor Technologies Kft

Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás

Adatmodellezés CityGML használatával

Számítástechnikai és Automatizálási Kutatóintézet (MTA SZTAKI), 1111, Budapest, Kende utca 13 17,

Közúti forgalomszámlálás e_sensor rendszerrel Budapest dugódíj projekt (sajtóanyag)

Gépi tanulás a gyakorlatban. Bevezetés

3D számítógépes geometria és alakzatrekonstrukció

Érzékelők az autonóm járművekben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

Autonóm járműrendszerek kutatása a zalaegerszegi autonóm tesztpályához kapcsolódóan. Pályázati témák (3) Téma rövid tartalma

Települési tetőkataszterek létrehozása a hasznosítható napenergia potenciál meghatározására a Bódva-völgyében különböző térinformatikai módszerekkel

3D számítógépes geometria és alakzatrekonstrukció

3D-s számítógépes geometria és alakzatrekonstrukció

Feladatok. Tervek alapján látvány terv készítése. Irodai munka Test modellezés. Létező objektum számítógépes modelljének elkészítése

icollware szoftver portfolió

Ember és robot együttműködése a gyártásban Ipar 4.0

Megoldások a tehergépjárműpihenők parkolóhely előrejelző rendszereire

Top art technológiai megoldások a műemlékvédelemben, építészetben. Fehér András Mensor 3D

A műszaki nyilvántartás-szervezés a közlekedésbiztonság tükrében

Képfeldolgozás Szegmentálás Osztályozás Képfelismerés Térbeli rekonstrukció

CSAPADÉK BEFOGADÓKÉPESSÉGÉNEK TÉRKÉPEZÉSE TÁVÉRZÉKELÉSI MÓDSZEREKKEL VÁROSI KÖRNYEZETBEN

Távérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány. Verőné Dr. Wojtaszek Malgorzata

A fotogrammetria fejlődési tendenciái

LÉGI HIPERSPEKTRÁLIS TÁVÉRZÉKELÉSI TECHNOLÓGIA FEJLESZTÉSE PARLAGFŰVEL FERTŐZÖTT TERÜLETEK MEGHATÁROZÁSÁHOZ

Pontos Diagnosztika Intelligens Mérés. httc

Parametrikus tervezés

Precíz Diagnosztika Intelligens Mérés. httc

CARE. Biztonságos. otthonok idős embereknek CARE. Biztonságos otthonok idős embereknek Dr. Vajda Ferenc Egyetemi docens

Pontfelhő létrehozás és használat Regard3D és CloudCompare nyílt forráskódú szoftverekkel. dr. Siki Zoltán

Kincsem Park (biztonsági rendszerterv vázlat)

Sensor Technologies Kft. TrafficNET (közlekedés-információs rendszer)

Az informatika kulcsfogalmai

HUMANsoft Kft. Tanácsadás üzletág

THE BENEFITS OF INTELLIGENCE 2

Forgalmi modellezés BMEKOKUM209

A fotogrammetria ismeretek és a szakmai tudás fontossága

CROCODILE projektek a Budapest Közút Zrt.-nél

Autonóm jármű forgalomszimulátorba illesztése

Távérzékelés, a jöv ígéretes eszköze

Számítógépes látás alapjai

Budapesti Forgalomirányító Központ. Siemens Scala kliens. Összeállította: Csikós Alfréd

Neurális hálózatok bemutató

Rendszer szekvencia diagram

Beltéri autonóm négyrotoros helikopter szabályozó rendszerének kifejlesztése és hardware-in-the-loop tesztelése

TANTÁRGYI ADATLAP I. TANTÁRGYLEÍRÁS

Kis magasságban végzett légi térképészeti munkák tapasztalatai. LÉGIFOTÓ NAP Székesfehérvár GeoSite Kft Horváth Zsolt

Matematikai modellezés

Transzformációk. Grafikus játékok fejlesztése Szécsi László t05-transform

Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások

Méréselmélet MI BSc 1

Rendszámfelismerő rendszerek

Az ÚJ Leica DISTO X-range

Autonóm járművek városi közlekedésének kihívásai

Hatékony módszer a nagyfeszültségű távvezetékek. dokumentáció-felújítására a gyakorlatban

Irányító és kommunikációs rendszerek III. Előadás 13

Általános követelmények a kép tartalmával és minőségével kapcsolatban

Műszaki változási igények keletkezése és végrehajtása az Atomerőműben

CAMLAND Beruházás-megfigyelő

Hadházi Dániel.

CHARACTERIZATION OF PEOPLE

VMD960 MB. Digitális video mozgásérzékelő Egycsatornás verzió. Jellemzői

SZERKEZETFÖLDTANI OKTATÓPROGRAM, VETŐMENTI ELMOZDULÁSOK MODELLEZÉSÉRE. Kaczur Sándor Fintor Krisztián

FoodManufuture FP7 projekt

Fotogrammetriai munkaállomások szoftvermoduljainak tervezése. Dr. habil. Jancsó Tamás Óbudai Egyetem, Alba Regia Műszaki Kar

Túl szűk vagy éppen túl tágas terek 3D-szkennelése a Geodézia Zrt.-nél Stenzel Sándor - Geodézia Zrt. MFTTT 31. Vándorgyűlés, Szekszárd

Önvezető autók. Gondos Bálint. Óbudai Egyetem Neumann János Informatikai Kar Beágyazott és mobil informatika szakirány

Intelligens közlekedési rendszerek (ITS)

Térinformatika és Geoinformatika

DSD. Szkennelt szövegek digitalizálása során keletkező hibák elemzése magyar szövegek esetében. Pataki Máté Tóth Zoltán MTA SZTAKI DSD

Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése

AUTOMATIKUS KÉPFELDOLGOZÁS A HADITECHNIKÁBAN A CELLULÁRIS NEURÁLIS HÁLÓZAT

MOBIL TÉRKÉPEZŐ RENDSZER PROJEKT TAPASZTALATOK

Egyetem. balesetek, hiszen ezek a rendszerek képesek lesznek folyamatosan megfigyelni a jármű

HULLADÉKCSÖKKENTÉS. EEA Grants Norway Grants. Élelmiszeripari zöld innovációs program megvalósítása. Dr. Nagy Attila, Debreceni Egyetem

Mérés és modellezés Méréstechnika VM, GM, MM 1

Multi-20 modul. Felhasználói dokumentáció 1.1. Készítette: Parrag László. Jóváhagyta: Rubin Informatikai Zrt.

PONTFELHŐ REGISZTRÁCIÓ

Magyar Közút ITS projektek 2020-ig

A hálózattervezés alapvető ismeretei

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Pneumatika az ipari alkalmazásokban

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban

Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017.

Intelligens biztonsági megoldások. Távfelügyelet

Számítógépes Grafika SZIE YMÉK

KÖFOP VEKOP A jó kormányzást megalapozó közszolgálat-fejlesztés

rnöki Iroda Kft. Roden MérnM 20 éve a közlekedéstervezésben Cégbemutató Trenka Sándor ügyvezető igazgató M9 KAPOS KONZORCIUM ÉPKO ksomlyó

CROCODILE 2.0_HU projekt

1. ábra Egy terület DTM-je (balra) és ugyanazon terület DSM-je (jobbra)

Összeállította Horváth László egyetemi tanár

INTELLIGENCE ON YOUR SIDE

A távérzékelés és fizikai alapjai 4. Technikai alapok

Szenzorcsatolt robot: A szenzorcsatolás lépései:

A térinformatika lehetőségei a veszélyes anyagok okozta súlyos ipari balesetek megelőzésében

Akusztikai tervezés a geometriai akusztika módszereivel

Elengedhetetlen a játékokban, mozi produkciós eszközökben Nélküle kvantum hatás lép fel. Az objektumok áthaladnak a többi objektumon

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ

Számítógépes képelemzés projektmunkák 2012

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

Bánsághi Anna 2014 Bánsághi Anna 1 of 31

Átírás:

DElosztott I S T R I B U T EEsemények D EV E N T S A NElemzé A L Y S I S se R E SKutatólaboratór E A R C H L A B O R A T Oium R Y L I D A R B a s e d S u r v e i l l a n c e Városi LIDAR adathalmaz szegmentációja Módszerünk célja utcai környezetben rögzített LIDAR adatok elemzése, különböző objektumok és utcaszegmensek felismerése. A szegmentálás figyelembe veszi mind a helyszín geometriai leíróit, mind a LIDAR idősorozat alapján számolt különféle időbeli jellemzőket. Az így feldolgozott adat a későbbiekben használható utcai jelenetek (pl. közlekedési baleset) felismerésére, adatsorozat összeillesztésére valamint 4D városrekonstrukcióra. Főbb funkciók: Talajdetekció képes nem sík, jelentős magasságkülönbséggel rendelkező talaj detektálására is Növényzetdetekció falevelek felismerése és azok pontfelhőből való eltávolítása a könnyebb feldolgozás érdekében Magas, statikus objektumok (pl. fal, közlekedési tábla vagy fatörzs) és alacsony objektumok elkülönítése (pl. járművek, gyalogosok, szemeteskuka) egy LIDAR felvételen belül Mozgó objektumok azonosítása LIDAR felvételek egy sorozatán Automatikus forgalomfigyelés és irányítás Városmegfigyelés Digitális városkép modellezés Földi LIDAR adat Megfelelő számítási kapacitás Magas, statikus objektumok detektálása (falak, lámpaoszlopok, stb.) Növényzet detektálása Talaj detektálása A Feneketlen-tó melletti park a falevelek lilával és pirossal vannak jelölve Egy szegmentált utcai jelenet. A három osztály: talaj, alacsony objektum valamint fal (vagy egyéb magas, álló objektum) A szegmentálás valós időben készül el és előfeldolgozási lépésként funkcionál. Ugyanez a helyszín a falevelek nélkül (ezúttal magasság szerint színezve) Mozgásdetekció egy LIDAR jeleneten E l é r h e t ő s é g : M T A - S Z T A K I, K e n d e u. 1 3-1 7, 1 1 1 1 B u d a p e s t, l a b o r v e z e t ő : P r o f. S z i r á n y i T a m á s, s z i r a n y i. t a m a s @ s z t a k i. m t a. h u

DElosztott I S T R I B U T EEsemények D EV E N T S A NElemzé A L Y S I S se R E SKutatólaboratór E A R C H L A B O R A T Oium R Y L I D A R B a s e d S u r v e i l l a n c e Mozgó platformról készített városi LIDAR adathalmaz összefűzése A mozgó autóra helyezett LIDAR szenzor olyan méréssorozatot szolgáltat, ahol az egyes "képkockák" ritka háromdimenziós pontfelhők, koordinátarendszerük pedig a jármű haladását követve változik. Rendszerünk automatikusan összefűzi a ritka adathalmazt, nagyobb útszakaszokat ábrázoló, sűrű, nagy felbontású pontfelhőket eredményezve. Az így kapott adat később felhasználható jelenetek értelmezésére és rekonstrukciójára, számos alkalmazásban: objektumfelismerés és osztályozás, zöld területek méretének becslése, virtuális homlokzatmodellezés, stb. A módszer nem használja további szenzorok (pl giroszkóp) adatait, így az autó mozgásának pontos mérése nélkül is képes összefűzni az adathalmazt. Olyan kihívást jelentő eseteket is automatikusan kezelünk, ahol a helyszín sok mozgó adatpontot tartalmaz (pl. utcán mozgó járművek és gyalogosok), nehezítve az illesztést. Automatikus forgalomfigyelés és irányítás Városmegfigyelés Digitális városkép modellezés Földi LIDAR adat Megfelelő számítási kapacitás Automatikus regisztráció az autó mozgásának ismerete nélkül Nagy adatsűrűség: több mint 10 millió adatpont pár méternyi rögzítés alatt Egy-egy minta rögzítés a LIDAR adathalmazban A döntött adathalmazból összefűzött jelenet (a szenzor 45 fokban nézett felfelé)

Elosztott Események Elemzé se Kutatólaboratór ium Járműfelismerés földi LIDAR pontfelhősorozatokból Módszerünk járműveket azonosít földi LIDAR lézerkamera által készített pontfelhősorozaton. A mérés kimenetként megjelenő ritka pontfelhősorozatot automatikus algoritmus illeszti össze, majd a felismerést a sűrű pontfelhőn végzi. Az eljárás széleskörű alkalmazását teszi lehetővé, hogy különféle adatfüggő és prior előzetes ismeretekre építő elemek építhetők be a modellbe. A rendszer beállításához egyaránt használhatunk tanító adatmintákat valamint szabályokat. A módszer valós LIDAR pontfelhősorozatokon került tesztelésre, melyeket egy Velodyne HDL-64E típusú lézerszkenner készítette Budapest belvárosában. L I D A R a l a p ú m e g f i g y e l é s i r e n d s z e r Alkalmazási területek Automatikus forgalom megfigyelés és ellenőrzés Környezetvédelem Városi térfigyelő rendszerek Földi LIDAR adatok Erős számítási teljesítmény Automatikus feldolgozás Tetszőlegesen beállítható adatmodellek Járművek és járműcsoportok együttes felismerése 2D-s jámrű kinyerés Ritkás bemeneti pontfelhő Jármű szegmentáció és vetítés Pontfelhők összeillesztése (kb. 30 db) 3D-s befoglaló dobozok visszavetítése a pontfelhőbe Sűrű pontfelhő az összeillesztés után

Elosztott Események Elemzé se Kutatólaboratór ium Városi forgalom-megfigyelés légi LIDAR adatokon Az automatikus forgalommegfigyelő eljárások kulcsfontosságú részét képezik a városi felügyelettel kapcsolatos rendszereknek. Megoldásunk összetett forgalomelemző rendszert valósít meg, ahol hierarchikus adatmodellekkel dolgozunk: az egyes járművek felismerése mellett az eljárás képes azonosítani az összetartozó járműcsoportokat különböző forgalmi helyzetekben, mint például parkoló járművek, vagy közlekedési lámpánál várakozó járműsor. Az eljárás működése a következő: az első lépés a 3D-s bemeneti pontfelhő szétválasztása különböző osztályokat tartalmazó ponthalmazokra, úgy mint "jármű, épületek tetőszerkezetei, növényzet, illetve ritka régiók. Második lépésben a különböző pontosztályokat a talajsíkra történő vetítés után leírhatók kétdimenziós téglalapok összességével. Az eljárásban lehetőség adódik előzetes (prior) információ beépítésére a felhasználó által, például a lehetséges járművek alakja, mérete és elrendeződésének várt mintái. Alkalmazási területek Automatikus forgalom megfigyelés és ellenőrzés Környezetvédelem Városi felügyelet Légi LIDAR adatok Erős számítási teljesítmény Automatikus adatfeldolgozás Tetszőlegesen beállítható adatmodellek Járművek és járműcsoportok együttes felismerése Bemenő pontfelhő magasságszínezéssel (1. adathalmaz) Teszt adatok: Infoterra-Astrium Geoinf-Serv, Magyarország Szegmentált pontfelhő (2. adathalmaz) Vehicle model A járműfelismerés eredménye (1. adathalmaz) Járműcsoportok felismerése (2. adathalmaz) E l é r h e t ő s é g : M T A - S Z T A K I, K e n d e u. 1 3-1 7, 1 1 1 1 B u d a p e s t, l a b o r v e z e t ő : P r o f. S z i r á n y i T a m á s, s z i r a n y i. t a m a s @ s z t a k i. m t a. h u D r. B e n e d e k C s a b a, b e n e d e k. c s a b a @ s z t a k i. m t a. hu, u r l : h t t p : \ \ w e b. e e e. s z t a k i. h u T e l : ( + 3 6 ) 1 2 7 9 6 1 0 6

EEE & GMSZL Kutatólaboratóriumok E L O S Z T O T T ES E M É N Y E K E L E M Z É S E & G E O M. MOD E L L E Z É S É S S Z Á M T Ó G É P E S L Á T Á S L A B O R O K Sok szereplős követés és dinamikus tér rekonstrukciója LIDAR adatok alapján i4d projekt: Valóság alapú virtuális világ létrehozása Módszerünk automatikusan elkülöníti a mozgó járókelőket LIDAR ponfelhő sorozatokon és képes több szereplő követésére hosszú idő tartományon keresztül. A folyamat kimeneteként a kinyert pályagörbék alapján előállt a dinamikus 3D színtér (azaz 4D), mely a 4D stúdióban előre felvett mozgó szereplőket jeleníti meg. A jelenet környezeteként használhatunk tetszőleges valós vagy mesterséges teret, de készíthetünk 3D modellt is a LIDAR által felvett jelenetből. A modul része az i4d rendszernek, melynek célja a valóság több szintjét és lehetséges megvalósulásait kombinálni, két fő problémára koncentrálva: 1. Valós bel- és kültéri színterek rekonstrukciója, virtuálisan módosítva, benépesítve szereplőkkel és objektumokkal, 4D megjelenítés segítségével 2. Kültéri LIDAR alapú videó felügyeleti és rekonstrukciós feladatok támogatása a 4D stúdióban létrehozott 3D objektum modellek használatával L I D A R A l a p ú F e l ü g y e l e t Videofelügyelet Film- és animációipar Nagy frissítési frekvenciájú LIDAR rendszer Feldolgozó számítási kapacitás Felügyeleti egység Valós idejű működés, sok szereplő együttes észlelése és követése Automatikus feldolgozási folyamat Bel- és kültéri alkalmazás Megjelenítő egység Előre felvett, mozgó szereplők létrehozása a 4D rekonstrukciós stúdióban http://vision.sztaki.hu/4dstudio 3D textúrált háttér modell készítés (részben automatikus) 2) Elkülönített járókelők a LIDAR pontfelhőben 4) Rekonstruált 4D színtér 1) Bemeneti pontfelhő 3) Járókelők pályarajzolata felülnézetből