Ensuring the Accuracy of Traffic Monitoring Using Unmanned Aerial Vehicles Vision Systems
Notice bibliographique
Résumé
The paper is dedicated to the organization of traffic monitoring using unmanned aerial vehicles (UAV). It is demonstrated that the monitoring of traffic makes high demands on the accuracy of determining the position of the vehicle on the road. It is assumed that the purpose of monitoring is detecting specific situations, which may include accident, in particular, car collision; traffic accidents, reducing the bandwidth of the road section; movement of the vehicle, being a threat to other road users. Detection of such situations requires assessment of the following at the received images: Vehicles position relatively to the road markings;Vehicles position relatively to each other;Vehicles speed. Review of the literature showed that the existing tools for tracking ground objects movements provide sufficiently accurate assessment of the vehicles coordinates at the images. Thus, an important issue is the estimation of vehicle position with respect to the road, i.e. in the ground coordinate system of the road. Different options of the vehicle position assessment relatively the road are researched. Evaluation of the content and accuracy of the standard UAV navigation system showed that the option of monitoring based on the use of UAV position assessment relative to the ground coordinate system and the vehicles is non-implementable because of lack of precision at the standard navigation system, including, corrected using the satellite navigation system. Assessing the position of the vehicle relative to the roadside is proposed to be made using image processing algorithms, particularly the contour lines highlighting and the Hough algorithm for straight segments highlighting. The research shows that this option based on direct assessment of the situation with respect to the vehicle position on the road image is physically implementable.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».