Image based road condition estimation

Gemeinden und Städte sehen sich einer großen Herausforderung in der Unterhaltung der Verkehrsinfrastruktur gegenüber. Diverse Aufgabenbereiche wie z.B. die Bewertung von Verkehrsschildern, Ampeln, Straßenbelägen, Kanalisationsdeckeln, … sind zu betrachten.

Mit den Möglichkeiten mobiler Kameras, wie sie in Smartphones verbaut sind und moderner Bildverarbeitungsalgorithmen wird es zunehmen möglich, große Datensätze der Infrastruktur zu sammeln und auszuwerten.

Dieses Projekt fokussiert sich auf die Bewertung der Straßeninfrastruktur anhand von unstrukturierten Bildern von Smartphones und macht die zugehörigen Informationen über ein Web-System zugänglich. In folgenden Schritten werden die gesammelten und interpretierten Daten in zeitlichen Bezug gesetzt (um z.B. Änderungen über der Zeit zu erfassen). So lassen sich automatisiert Prädiktionen über kritisch werdende Bereiche der Straßeninfrastruktur erstellen und zeitnah Baumaßnahmen einleiten.

Publikationen


2025
2024
Adaptable Accelerometer Signal Processing Pipelines for Smartphone based Evenness Estimation
Münke, F. R.; Schenk, M.; Murr, S.; Reischl, M.
2024. Journal of Signal Processing Systems, 96 (10), 617–626. doi:10.1007/s11265-024-01939-2
A Review of Adaptable Conventional Image Processing Pipelines and Deep Learning on limited Datasets
Münke, F. R.; Schützke, J.; Berens, F.; Reischl, M.
2024. Machine vision and applications, 35, Article no: 25. doi:10.1007/s00138-023-01501-3
Accelerating Materials Discovery: Automated Identification of Prospects from X‐Ray Diffraction Data in Fast Screening Experiments
Schuetzke, J.; Schweidler, S.; Muenke, F. R.; Orth, A.; Khandelwal, A. D.; Breitung, B.; Aghassi-Hagmann, J.; Reischl, M.
2024. Advanced Intelligent Systems, 6 (3), Art.-Nr.: 2300501. doi:10.1002/aisy.202300501
Abgeschlossenes Projekt