Sprachen

PLOP - SS 2017, WS 2017/2018

Thema: 

PLOP - Parking Lot Occupancy Problem

Zeitraum: 

SS 2017, WS 2017/2018

Umfang: 

8 SWS pro Semester

Veranstalter: 

Dr. Frank Weichert, Informatik VII (Graphische Systeme),
OH16, R.121, Tel.: 6122, E-Mail: frank.weichert@cs.uni-dortmund.de
Pascal Libuschewski, Informatik VII (Graphische Systeme),
OH16, R.101, Tel.: 6125, E-Mail: pascal.libuschewski@tu-dortmund.de

Einzelpräsentation: 

Dienstag, den 20.12., um 11.00 Uhr in der OH14, Raum E04

Thematik: 

a) Motivation: Sowohl der allgemeine Parkraum in Ballungsgebieten aber auch an größeren Firmensitzen oder öffentlichen Einrichtungen, wie beispielsweise an der TU Dortmund, ist zunehmend problematisch. Dafür verantwortlich ist ein Paradigmenwechsel bei der Stadtgestaltung, welcher einen Wandel von der „Autogerechten Stadt“ zur nachhaltigen Stadtentwicklung proklamiert [8], aber auch die zunehmende Anzahl an Autofahrern. In der Folge beläuft sich ein Drittel des Straßenverkehrs auf die Parkplatzsuche. Neben dem Zeitaufwand und damit verursachten Kosten wird auch die Umwelt nachhaltig belastet. Die effiziente Erkennung von freien Parkplätzen und die Weiterleitung dieser Information an Autofahrer kann dieser Entwicklung entgegenstehen (s. Abbildung 1). Insbesondere Verkehrsteilnehmer, die in hohem Maße zu Stoßzeiten unterwegs sind und häufig unter Termindruck leiden, profitieren von Informationen über die Parkplatzsituation am Zielort. Sie könnten aufgrund von aktuellen Daten ausgelastete Parkplätze meiden und weniger frequentierten Parkraum ansteuern. Beispielhaft sind Onlineangebote in der Form von „www.gratisparken.de“ oder Apps wie „PARKNAV“. Grundvoraussetzung entsprechender Lösungen sind aber Informationen über den Ort und die Anzahl verfügbarer freier Parkplätze. Während Lösungen für kostenpflichtigen Parkraum bereits verfügbar ist, liegen für öffentliche Parkplätze kaum Angebote vor. Navigationslösungen innerhalb der Parkplätze und -häuser sind bisher nicht verfügbar.

Abbildung 1: Darstellung der Navigation von der Autobahnabfahrt B1 (grünes Symbol) zum Hauptparkplatz (rotes Symbol) an der TU Dortmund unter Verwendung des Routenplaners GraphHopperAbbildung 1: Darstellung der Navigation von der Autobahnabfahrt B1 (grünes Symbol) zum Hauptparkplatz (rotes Symbol) an der TU Dortmund unter Verwendung des Routenplaners GraphHopper

Die Zielsetzung der Projektgruppe ist dem entsprechend der Entwurf und die Implementierung eines Systems, welches unter Verwendung kostengünstiger Kamera- und Rechenhardware eine automatische Identifikation freier Parkplätze und eine intuitive Online-Navigation zu freien Parkplätzen ermöglicht. Der letztgenannte Sachverhalt beinhaltet auch das Navigieren innerhalb größerer Parkplätze, welches klassische Navigationssysteme nicht ermöglichen. Konkrete Teilaufgabenstellungen sind die bildbasierte Erkennung freier Parkplätze, das Tracking von Fahrzeugen innerhalb der Parkplätze sowie die Überführung dieser Daten in ein (Parkplatz-)Umgebungsmodell unter Berücksichtigung von Vorwissen (Basiskarten) (s. Abbildung 2). Hierfür sollen sowohl verschiedene Sensortypen (CCD-Kamera, Infrarotkamera, 3D-Kamera) analysiert und evaluiert werden, als auch die Anzahl und Kombination dieser, um eine hinreichend skalierbare (u.a. Größe und Form der Parkfläche) und robuste (u.a. unterschiedliche Witterungsbedingungen oder Verdeckungen) Lösung zu erhalten. Auf einer zweiten Ebene sollen diese Daten für eine Client-/Server-Anwendung aufbereitet werden, welche eine GPS-gestützte Navigation zum Parkplatz und auf dem Parkplatzgelände ermöglicht. Innerhalb der Projektgruppe soll daher eine Applikation für mobile Endgeräte mit einer entsprechenden Funktionalität umgesetzt werden.

Abbildung 1: Konzeptionelle Darstellung zur </strong><strong> (a)</strong> Identifikation freier verfügbarer (grün) und nicht verfügbarer (rot) Haltebuchten auf dem Parkplatz an der OH 16 sowie <strong>(b)</strong> Navigation zu einem freien Parkplatz auf dem Hauptparkplatz an der TU DortmundAbbildung 2: Konzeptionelle Darstellung zur (a) Identifikation freier verfügbarer (grün) und nicht verfügbarer (rot) Haltebuchten auf dem Parkplatz an der OH 16 sowie (b) Navigation zu einem freien Parkplatz auf dem Hauptparkplatz an der TU Dortmund

b) Aufgabenbeschreibung: Aus Sicht der Informatik umfasst das Gesamtkonzept der Projektgruppe zwei wesentliche Aufgabengebiete. Ein Teilgebiet fokussiert sich auf die digitale Bildverarbeitung/Mustererkennung und Computer-Vision, das zweite beinhaltet den Entwurf und die Implementierung von Konzepten für Server-gestützte (Geodaten-) Verarbeitung/ Navigation und zur Mensch-Maschine-Interaktion auf mobilen Endgeräten. Dabei werden die verschiedenen Aufgabengebiete während der gesamten Projektgruppe parallel bearbeitet. Für die Bildverarbeitung und Computer-Vision sind folgende Verarbeitungsschritte angedacht:

  • Identifikation prädestinierter Sensorik:Unter Berücksichtigung mannigfaltiger baulicher Ausprägungen auf dem Parkplatzgelände und den besonderen Herausforderungen im Outdoor-Bereich (verschiedenen Tageszeiten und Witterungsbedingungen) ist initial die geeignete Sensortechnik sowie die Anzahl und Anordnung dieser zu bestimmen. Berücksichtigt werden sollen u.a. CCD-Kameras, unterschiedliche 3DKameras,Wärmebildkameras.
  • Datenvorverarbeitung:Sowohl durch die Kamerasensorik als auch durch die realen Bedingungen auf Parkplätzen im Außenbereich kann es zu geometrischen Verzerrungen und Diskontinuitäten (z.B. Rauschen, Reflektionen) innerhalb der Aufnahmesequenzen kommen. Abhängig von der gewählten Sensorik sind u.a. Algorithmen zum Denoising und zur Beleuchtungshomogenisierung [9] oder im Falle von 3D-Kameras zur Kompensierung inhärenter Artefakte [7] zu betrachten.
  • Datenfusion:Ausgehend von der Auswahl an Sensoren und deren Anzahl muss eine gleichzeitige und/oder gekoppelte Informationsverarbeitung mehrerer (auch unterschiedlicher) Sensoren (Multi-Sensing, Multisensorik) realisiert werden [6]. Dies beinhaltet Methoden zur Sensordatenfusion sowie zur örtlichen und zeitlichen Registrierung/Synchronisierung [14], teilweise gekoppelt mit Optimierungs- und Adaptierungsmethoden zur Prozesszeit (Adaptive Sensing), um u.a. sensorinhärente Inhomogenitätenund Artefakte aus der Realsituation (z.B. Schatten) zu kompensieren.
  • Adaptive Kartierung:Ein Modell des Parkplatzes enthält Informationen zur geometrischen Lage der Haltebuchten und erlaubt die Klassifikation der Belegung anhand der Sensordaten. Dieses Modell muss in Bezug auf die gewählte Sensorik entwickelt werden. Darüber hinaus muss es entsprechend der örtlichen Gegebenheiten, eventuell veränderbarer Situationen, parametrisiert werden können.
  • Identifikation freier Parkplätze:Dieser zu bearbeitende Teilaspekt beinhaltet die Bestimmung von stationären (u.a. Haltebuchten, Bäumen) und nicht stationären Objekten (u.a. Fahrzeuge, Personen). Algorithmisch können geometrische und farbassoziierte Merkmale [2] oder topologische Informationen (Karte des Parkplatzes) berücksichtigt werden. Im Hinblick auf die automatische Erkennung freier Parkplätze können diese um Merkmale aus der Mustererkennung ergänzt, wie z.B. „Pattern-Matching“ und mit unüberwachten als auch überwachten Klassifikationsverfahrenkombiniert werden.
  • Fahrzeugverfolgung:In Anbetracht der spezifischen Herausforderungen, u.a. gleichzeitiges Verfolgen mehrerer Fahrzeuge und Verdeckungen, sind Feature-gestützte und selbstlernende Trackingverfahren zu berücksichtigen. Methodische Ansätze zum Verfolgen von Fahrzeugen beruhen auf probabilistischen Algorithmen, u.a. Kalman-Filter oder Partikel-Filter. Zudem existieren spezielle adaptive Erweiterungen aus der Verkehrsüberwachung [13]. Modernere Konzepte integrieren Convolutional Neural Networks (CNN) [5], welche über die Integration ergänzender Verfahren verfeinert werden können, z.B. Optical Flow [4] oder Tracklets [10]. Eine CNN-gestützte Kombination aus Klassifikation und Tracking könnte auch erarbeitet werden.

Das zweite Teilgebiet der Projektgruppe geht von den o.g. Bildverarbeitungsalgorithmen aus und zielt auf eine mobile Mensch-Maschine-Schnittstelle ab. Hierzu sind folgende Arbeitspunkte umzusetzen:

  • Navigation:Die Navigation zum nächsten freien Parkplatz kann über Suchgraphen z.B. dem Hybrid-A*-Algorithmus [11] analysiert werden oder als Gitterstruktur sowie mittels dynamischer Ansätze zur Berücksichtigung u.a. einer variablen Dimensionalität. Als Ausgangsbasis könnte der quelloffene Routenplaner GraphHopper (https://graphhopper.com) dienen. Alternative, nicht kartenbasierte Ansätze berücksichtigen dynamische Daten wie Fahrzeuggeschwindigkeiten oder die aktuelle Verkehrsdichte auf dem Parkplatz, beispielsweise über Occupancy Grids [12] – dabei sind eventuell auch Konzepte zur Kollisionsvermeidung zu beachten [3].
  • Parkplatz-App:Die Applikation für mobile Endgeräte soll neben den Basisfunktionen der Anzeige freier Parkplätze und der Navigation zu diesen eventuell auch Konzepte der Zugriffsrechteverwaltung beinhalten. Ebenfalls könnten weitere Funktionen wie die Reservierung freier Parkplätze oder Notifikationsdienste umgesetzt werden. Realisiert werden soll die Lösung als Client-Server-System.
Die entwickelten Algorithmen zur Verarbeitung der Sensordaten, als auch die Implementierung der Client-Server-Konzepte sollen kontinuierlich evaluiert werden. Hierzu stehen der Parkplatz an der Otto-Hahn-Straße 16 zur Verfügung (Die Persönlichkeitsrechte der Parkenden werden durch ausgewählte Testzeiten und Bekanntgabe dieser beachtet.) als auch entsprechende Kameras sowie die Serverhardware. Bei der Umsetzung dieser Anforderungen in ein Softwaresystem sollen verschiedene Entwurfsphasen beachtet und adäquate Werkzeuge (Quellcodeverwaltung, Wiki-System, Bugtracking) eingesetzt werden [1]. Durch die modulare Umsetzung können weitere Einsatzszenarien (Parkhäuser, Parkinseln in Logistikzentren etc.) erschlossen werden. Das gewählte Thema gibt einen engen thematischen Anschluss zu verschiedenen Forschungsarbeiten in Richtung digitale Bildverarbeitung, Geoinformatik und Softwareentwicklung für mobile Endgeräte. Damit assoziierte hoch aktuelle Forschungsfragen erlauben damit den Teilnehmenden, sich für eine Reihe von möglichen Master- und Diplomarbeiten zu qualifizieren.

Teilnahmevoraussetzungen:

  • Eines der Module Mensch-Maschine-Interaktion, Eingebettete Systeme, Digitale Bildverarbeitung, Datenvisualisierung, Webtechnologien, Computervision, Graphische Datenverarbeitung, Mustererkennung, Software ubiquitärer Systeme oder vorlesungsäquivalente Kenntnisse [vorausgesetzt]
  • Kenntnisse in einer Programmiersprache, z. B. Java, C++ oder C [vorausgesetzt]

Minimalziele:

Sensor-basierte Identifikation freier Parkplätze und Navigation zu diesem unter „idealen“ Bedingungen (u.a. Tageslicht, keine Verdeckungen) auf einem fest abgegrenzten Gebiet sowie unter Verwendung eines Sensortyps.

Literatur:

[1] H. Balzert. Lehrbuch der Software-Technik. Spektrum Akademischer Verlag, 1997.
[2] J. Bernd. Digitale Bildverarbeitung. Springer, 2005.
[3] J. Borenstein and et al. The vector field histogram-fast obstacle avoidance for mobile robots. IEEE Transactions on Robotics and Automation, 7(3):278–288, 1991.
[4] B. Horn and B. Schunck. Determining optical flow. Artificial Intelligence, 17(1):185 – 203, 1981.
[5] R. Kasturi and et al. Framework for performance evaluation of face, text, and vehicle detection and tracking in video: Data, metrics, and protocol. IEEE Transactions on Pattern Analysis and Machine Intelligence,2009.
[6] M. Liggins, D. Hall, and J. Llinas, editors. Handbook of Multisensor Data Fusion. CRC Press, 2008.
[7] M. Lindner and et al. Compensation of Motion Artifacts for Time-of-Flight Cameras, pages 16–27. 2009.
[8] J. Meyer. Nachhaltige Stadt- und Verkehrsplanung. Springer Science and Business Media, 2013.
[9] M. Pizer and et al. Adaptive histogram equalization and its variations. Computer Vision, Graphics, and Image Processing, 39(3):355 – 368, 1987.
[10] M. Raptis and et al. Tracklet Descriptors for Action Modeling and Video Analysis, pages 577–590. 2010.
[11] B.-C. Seet and et al. A-STAR: A Mobile Ad Hoc Routing Strategy for Metropolis Vehicular Communications, pages 989–999. 2004.
[12] S. Thrun. Learning occupancy grid maps with forward sensor models. Autonomous Robots, 15(2):111–127, 2003.
[13] Y. Wang and et al. Video image vehicle detection system for signaled traffic intersection. In Conference on Hybrid Intelligent Systems, 2009, volume 1, pages 222–227, 2009.
[14] J. Zhu and et al. Fusion of time-of-flight depth and stereo for high accuracy depth maps. In Conference on Computer Vision and Pattern Recognition (CVPR), pages 1–8, 2008.

Rechtliche Hinweise:

Die Ergebnisse der Projektarbeit inklusive der dabei erstellten Software sollen der Fakultät für Informatik uneingeschränkt zur freien Forschung zur Verfügung stehen. Darüber hinaus sind keine Einschränkungen der Verwertungsrechte an den Ergebnissen der Projektgruppe und keine Vertraulichkeitsvereinbarungen vorgesehen.