La saisie et la caractérisation du parc de véhicules à l'aide de capteurs sont à la base des solutions en matière de systèmes de transport intelligent (STI). Bien que pour ce faire les scanners laser soient actuellement privilégiés, les approches basées sur la vision sont désormais en mesure de les concurrencer. Deux applications ont montré que la technologie actuelle des caméras permet aujourd'hui d'atteindre la précision des scanners laser en cas de problèmes de classification dans les applications STI. La combinaison d'un scanner laser avec une caméra et une fusion intelligente des données a permis d'augmenter la précision de la reconnaissance sans contact des essieux des véhicules circulant dans des conditions de trafic fluides à un niveau sans précédent. Pour ce faire, des algorithmes d'apprentissage automatique «conventionnels » ont encore été utilisés, pour lesquels les classificateurs ont été conçus manuellement. Le plein potentiel de la technologie des caméras ne peut être exploité que si l'on dispose de suffisamment de données pour l'entraînement nécessaire aux méthodes de deep learning (apprentissage profond) telles que les réseaux neuronaux convolutifs (CNN). Ainsi, pour la première fois, il paraît possible de classifier les véhicules très précisément, selon la TLS 8+1 A1, uniquement grâce à la technologie des caméras.%Seit Mitte der 1990er-Jahre werden weltweit vorwiegend Laserscanner für Anwendungen im Strassen- und Schienenverkehr eingesetzt. Die vor 20 Jahren existierenden Videokamerasysteme für Klassifi-kations- und volumetrische Aufgaben wurden innert kürzester Zeit verdrängt, da die Distanzinformation der Laserscanner prinzipiell eine sehr einfache, robuste und nicht-rechenintensive Analyse garantiert. Neben der Nummernschilderkennung wurden Kamerasysteme lediglich für Nischenanwendungen, wie z.B. die Überwachung von Kreuzungen eingesetzt. [1] Allerdings stösst man mit Laserscannern mittlerweile an technische Grenzen, insbesondere bedingt durch die endliche Scanrate, welche vor allem bei schnellen Fahrzeugen nur eine sehr limitierte räumliche Auflösung erlaubt. Dieser Effekt wird bei widrigen Witterungseinflüssen noch verstärkt.
展开▼
机译：使用传感器捕获和表征车辆的车队是智能运输系统（ITS）解决方案的基础。尽管目前为此目的而首选激光扫描仪，但是基于视觉的方法现在可以与它们竞争。有两个应用表明，当前的相机技术可以在ITS应用中出现分类问题的情况下实现激光扫描仪的精度。激光扫描仪和照相机以及智能数据融合的结合，将在交通顺畅的情况下对车轴的非接触式识别的准确性提高到了前所未有的水平。为此，还使用了“常规”机器学习算法，为此对分类器进行了手动设计。只有在有足够的数据用于深度学习方法（例如卷积神经网络（CNN））所需的训练时，才能充分利用相机技术的全部潜力。因此，这第一次有可能根据TLS 8 +1 A1对车辆进行非常精确的分类，这仅归功于摄像头技术。％Seit Mitte der 1990er-Jahre werden weltweit vorwiegend LaserscannerfürAnwendungen im Strassen- und Schienenverkehr eingesetzt。 Die vor 20 Jahren existierenden VideokamerasystemefürKlassifi-kations- and volumetrische Aufgaben wurden innertkürzesterZeitverdrängt，Laserscanner prinzipiell eine sehr einfache，稳健而精确的分析保证。 Neben der NummernschilderkennungwürdenKamerasysteme lediglichfürNischenanwendungen，wie z.B. dieÜberwachungvon Kreuzungen eingesetzt。 [1]激光扫描技术的研发人员，德国的技术专家，Scanrate的工程师，Allen and bei schnellen的律师，我们的法律专家。维特根（Witterungseinflüssen）维斯特根（Dieser Effekt）
展开▼
