Vision-basierte Fahrzeugklassifikation basierend auf Fahrzeugteilen
- Titel
- Vision-basierte Fahrzeugklassifikation basierend auf Fahrzeugteilen
- Autor/in
- Datierung
- 07.06.2023
- Beschreibung
- Die Firma Sick beauftragte die Hochschule Luzern damit, ein vision-basiertes Verfahren für die
Klassifikation von Fahrzeugen zu untersuchen. Dies soll eine Alternative für die gegenwärtig
eingesetzten Lasermesssysteme bieten, die für die Bestimmung von Mautgebühren, die Detektion
von überhohen Fahrzeugen und die allgemeine Datenakquise des Verkehrs eingesetzt werden.
Bisherige Tests waren vielversprechend, basierten aber auf einem kleinen Datensatz. In diesem
Projekt wurde die Genauigkeit des bisherigen Modells zur Klassifizierung von open-source Daten
untersucht, mehr Daten akquiriert und damit ein neues Modell trainiert, wobei die Anzahl falscher
Klassifizierungen um den Faktor 2.9 gesenkt werden konnte. Es braucht noch mehr Daten von den
seltenen Fahrzeugkategorien, um auch diese mit hoher Sicherheit richtig zu klassifizieren. Ein Modell
zur Erkennung von Fahrzeugteilen wurde eingebaut, das in Nachfolgeprojekten verwendet werden
kann.
The company Sick commissioned the Lucerne University of Applied Sciences to investigate whether
vision-based systems can replace the currently used laser measurement systems to classify vehicles
for the road toll system, overheight detection, and general traffic data collection. Previous tests
showed promising results but were based on a small dataset. In this project, the performance of the
existing classification model on open-source data was evaluated, more training data was acquired
and using that, a new and better performing model was trained, reducing the number of false
classifications by a factor of 2.9. More corrected data of the scarce vehicle types is required to
confidently classify those vehicles. A vehicle-parts detection model was implemented for the use in
subsequent projects.
- Die Firma Sick beauftragte die Hochschule Luzern damit, ein vision-basiertes Verfahren für die
- Urheberrechtshinweis
- Pfenniger David, Hochschule Luzern - Departement Technik & Architektur
HSLU
- Departement
- Studiengang
- Art der Arbeit
- Betreuer/Betreuerin
Werk
- Titel
- Vision-basierte Fahrzeugklassifikation basierend auf Fahrzeugteilen
- Beschreibung
- Die Firma Sick beauftragte die Hochschule Luzern damit, ein vision-basiertes Verfahren für die
Klassifikation von Fahrzeugen zu untersuchen. Dies soll eine Alternative für die gegenwärtig
eingesetzten Lasermesssysteme bieten, die für die Bestimmung von Mautgebühren, die Detektion
von überhohen Fahrzeugen und die allgemeine Datenakquise des Verkehrs eingesetzt werden.
Bisherige Tests waren vielversprechend, basierten aber auf einem kleinen Datensatz. In diesem
Projekt wurde die Genauigkeit des bisherigen Modells zur Klassifizierung von open-source Daten
untersucht, mehr Daten akquiriert und damit ein neues Modell trainiert, wobei die Anzahl falscher
Klassifizierungen um den Faktor 2.9 gesenkt werden konnte. Es braucht noch mehr Daten von den
seltenen Fahrzeugkategorien, um auch diese mit hoher Sicherheit richtig zu klassifizieren. Ein Modell
zur Erkennung von Fahrzeugteilen wurde eingebaut, das in Nachfolgeprojekten verwendet werden
kann.
The company Sick commissioned the Lucerne University of Applied Sciences to investigate whether
vision-based systems can replace the currently used laser measurement systems to classify vehicles
for the road toll system, overheight detection, and general traffic data collection. Previous tests
showed promising results but were based on a small dataset. In this project, the performance of the
existing classification model on open-source data was evaluated, more training data was acquired
and using that, a new and better performing model was trained, reducing the number of false
classifications by a factor of 2.9. More corrected data of the scarce vehicle types is required to
confidently classify those vehicles. A vehicle-parts detection model was implemented for the use in
subsequent projects.
- Die Firma Sick beauftragte die Hochschule Luzern damit, ein vision-basiertes Verfahren für die
- Autor/in
- Externe Praxispartner
- SICK System Engineering
- SICK System Engineering
- Datierung
- 07.06.2023
- Format
- 33 Seiten
- Ort
- Sprache
Rechte
- Urheberrecht
- Pfenniger David, Hochschule Luzern - Departement Technik & Architektur
- Hinweis zu Rechtsgrundlagen
- Lizenzierung
- Klassifikation