Crowdbasierte Erfassung von Fahrzeugen mithilfe eines mehrskaligen Ansatzes

Masterarbeit am ifp - Daniele Basile

Daniele Basile

Crowdbasierte Erfassung von Fahrzeugen mithilfe eines mehrskaligen Ansatzes

Dauer der Arbeit: 6 Monate
Fertigstellung: Juli 2020
Betreuer: M.Sc. Michael Kölle, Dr.-Ing. Volker Walter
Prüfer: Prof. Dr.-Ing. Uwe Sörgel


 

Motivation und Ziel

Mit der fortschreitenden Entwicklung der Informationstechnik etablieren sich zunehmend neue Verfahren und Lösungskonzepte. Einen modernen Weg der Problemlösung in der digitalen Welt stellt das Crowdsourcing dar. Grundsätzlich lässt sich das Crowdsourcing als eine Art innovative Form der Arbeitsteilung bezeichnen, bei der die Auslagerung von Aufgaben an eine Crowd, die aus einer größeren Zahl von Internetnutzern besteht, stattfindet. Ziel der Arbeit ist es, ein Webtool zu entwickeln, das die crowdbasierte Erfassung von Fahrzeugen aus 3D Punktwolken des Airborne Laserscannings in Echtzeit ermöglicht, bei der Erfassungen durchgeführt, protokolliert und anschließend ausgewertet werden. Dazu wird eine geeignete Benutzeroberfläche erstellt, mit der diese Erfassungen möglichst einfach und benutzerfreundlich durchgeführt werden können. Einen wichtigen Schwerpunkt der Arbeit stellt das Konzept des dynamischen Nachladens von Punktwolken in der Benutzeroberfläche dar, für das mehrere Konzepte und Schritte der Datenaufbereitung notwendig sind. Durch die später erfolgende statistische Analyse lassen sich Aussagen hinsichtlich der Performance der Crowdworker mit dem Tool und damit der Qualität, mit der sich Fahrzeuge erfassen lassen, treffen. Mit den berechneten Ergebnissen lässt sich Aufschluss darüber geben, ob die Crowdworker in der Lage sind auf der durch die Punktwolke vorgegebenen Datengrundlage zu arbeiten und wie genau die Erfassung der Fahrzeuge möglich ist.

Vorgehensweise

Der Nutzer wählt im linken Fenster der Benutzeroberfläche (siehe Abbildung 1) ein Fahrzeug aus, woraufhin der zugehörige, kleinere Ausschnitt der Punktwolke dynamisch vom Server nachgeladen und aus drei Perspektiven rechts im Programm dargestellt wird. Der Nutzer kann aus zehn 3D Fahrzeugmodellen bzw. Fahrzeugtypen wählen und das Modell durch Schaltflächen der Benutzeroberfläche richtig einpassen.

Abbildung 1: Benutzeroberfläche des Programms

Durch die in der Form einer Ampel implementierte Plausibilitätskontrolle werden schlechte Erfassungen und Manipulationen verhindert. Diese Plausibilitätskontrolle richtet sich besonders nach der Zahl der Punkte im umliegenden Bereich des Fahrzeugs, der Punktdichte und der Verteilung dieser. In Abbildung 2 ist die erfolgreiche Erfassung eines Fahrzeugs dargestellt.

Abbildung 2: Erfolgreiche Erfassung eines Fahrzeugs

Ergebnisse und Fazit

Zum Bewerten der Qualität werden die durch das Crowdsourcing gesammelten Ergebnisse mit vorab angefertigten Referenzdaten verglichen. Dadurch ergibt sich eine durchschnittliche Abweichung der Gesamtposition von 11,03cm und eine durchschnittliche Abweichung der Orientierung von 1,4465°. Die Verteilung der Abweichungen der Gesamtposition aus allen zehn durchgeführten Kampagnen ist in Abbildung 3 dargestellt.

Abbildung 3: Verteilung der Abweichungen der Fahrzeugposition aller Kampagnen

Einen Schwerpunkt beim Vergleich der Referenzdaten zu den gesammelten Daten der Crowdsourcing Kampagnen stellt die Angabe des Fahrzeugtyps dar. Durch diesen wird in der Masterarbeit zwischen richtig und falsch erfassten Autos unterschieden. In Abbildung 4 sind die unterschiedlichen Erfassungen eines Autos in einer Punktwolke dargestellt.

Abbildung 4: Verschiedene Typwahl eines Autos – Gegenüberstellung

In der Masterarbeit wurde gezeigt, dass die crowdbasierte Erfassung von Fahrzeugen mithilfe eines mehrskaligen Ansatzes möglich ist und auch gute Ergebnisse liefert. Ungefähr 70% der Autos konnten mit dem richtigen Fahrzeugtyp erfasst werden. Die Crowdworker sind nicht nur in der Lage auf dieser Datengrundlage zu arbeiten, sondern anhand der Ergebnisse erkennbar, auch dazu in der Lage, die Fahrzeuge mit einer hohen Genauigkeit zu erfassen. Zudem war es möglich, durch das Verwenden der Plausibilitätskontrolle und zusätzlichen Abstandsberechnungen die Zahl an Manipulationen sehr gering zu halten.

Ansprechpartner

Dieses Bild zeigt Volker Walter

Volker Walter

Dr.-Ing.

Gruppenleiter Geoinformatik

Zum Seitenanfang