LiDAR til cykeldetektering

LiDAR for bike detection

Holm, Malthe Sigurd Birkemose

4. semester

Veje og Trafik, Kandidat

2020

2020-06-10

113

Dette speciale undersøger, hvordan LiDAR – en laserbaseret 3D-sensor – kan bruges til at registrere cyklister i trafikken. Sådan cykeldetektering er relevant for bl.a. cykelstatistik, trafikstyrede signalanlæg og ITS (intelligente transportsystemer). Formålet er at tælle cyklister og bestemme deres position, hastighed og ETA (forventet ankomsttid) – også når de kører i grupper. Der er anvendt en HDL-32e LiDAR monteret på en mast ved en cykelsti, der fører ind til et signalreguleret kryds i Aalborg. De indsamlede data er behandlet med programmet Pylidartracker, som er udviklet til projektet, og analyseret med egne Python-scripts. Video blev brugt som reference og viste 233 cyklister i den undersøgte periode. Med LiDAR-data og værktøjerne var det muligt for samtlige 233 cyklister at bestemme position samt beregne hastighed og ETA til et bestemt punkt. I ét tilfælde blev to cyklister, der kørte meget tæt, fejldetekteret som to separate objekter, hvilket gav en overoptælling på 1 (i alt 234 detekterede). Den samlede præcision for cykeldetektering med LiDAR var dermed 99,5 %. Studiet har begrænsninger: Den angivne præcision blev kun opnået inden for 12 meters afstand af LiDAR, og data blev indsamlet under COVID-19-restriktioner, som kan have påvirket både antallet af cyklister og deres indbyrdes afstand. Konklusionen er, at LiDAR i høj grad kan detektere individuelle cyklister inden for 12 m, men at cyklister, der kører tæt i grupper, stadig er en udfordring. Specialet skitserer forslag til fremtidige studier, der kan håndtere disse begrænsninger.

This thesis explores how LiDAR—a laser-based 3D sensor—can be used to detect cyclists in traffic. Such detection supports bicycle statistics, traffic-controlled signals, and ITS (intelligent transportation systems). The goal is to count cyclists and determine their position, speed, and ETA (estimated time of arrival), including when they travel in groups. A HDL-32e LiDAR was mounted on a mast by a cycle path approaching a signalized intersection in Aalborg. Collected data were processed with Pylidartracker, developed for this project, and analyzed with custom Python scripts. Video served as a reference and showed 233 cyclists during the study period. Using LiDAR data and the tools, it was possible for all 233 cyclists to determine position and calculate speed and ETA to a specific point. In one case, two cyclists riding very close together were misdetected, leading to an overcount of 1 (234 detected in total). Overall detection accuracy with LiDAR was 99.5%. The study has limitations: the reported accuracy was achieved only within 12 meters of the LiDAR, and data collection occurred under COVID-19 restrictions, which may have affected both cyclist numbers and spacing. The conclusion is that LiDAR can reliably detect individual cyclists within 12 m, but closely spaced groups remain challenging. The thesis outlines suggestions for future studies to address these limitations.

[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]

Cykeldetektering ; Bike detection ; LiDAR ; ITS ; Radar ; Signalanlæg ; Cykeltrafik ; Signalstyring

Download
Vis denne rapport i AAU Studenterprojekter