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


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. 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
2023
A Lightweight Framework for Semantic Segmentation of Biomedical Images
Münke, F. R.; Rettenberger, L.; Popova, A.; Reischl, M.
2023. Current Directions in Biomedical Engineering, 9 (1), 190–193. doi:10.1515/cdbme-2023-1048
Mask R-CNN Outperforms U-Net in Instance Segmentation for Overlapping Cells
Rettenberger, L.; Münke, F. R.; Bruch, R.; Reischl, M.
2023. Current Directions in Biomedical Engineering, 9 (1), 335–338. doi:10.1515/cdbme-2023-1084
2022
Automated Annotator Variability Inspection for Biomedical Image Segmentation
Schilling, M. P.; Scherr, T.; Munke, F. R.; Neumann, O.; Schutera, M.; Mikut, R.; Reischl, M.
2022. IEEE access, 10, 2753–2765. doi:10.1109/ACCESS.2022.3140378
2021
Label Assistant: A Workflow for Assisted Data Annotation in Image Segmentation Tasks
Schilling, M. P.; Rettenberger, L.; Münke, F.; Cui, H.; Popova, A. A.; Levkin, P. A.; Mikut, R.; Reischl, M.
2021, November 26. 31. Workshop Computational Intelligence (2021), Berlin, Deutschland, 25.–26. November 2021
Evaluierung von Merkmalen zur Abbildung von Veränderungen in ungeordneten Bilddaten = Evaluating features to represent changes in unstructured image data
Münke, F. R.; Schilling, M. P.; Mikut, R.; Reischl, M.
2021. Automatisierungstechnik, 69 (10), 892–902. doi:10.1515/auto-2021-0038
Label Assistant: A Workflow for Assisted Data Annotation in Image Segmentation Tasks
Schilling, M. P.; Rettenberger, L.; Münke, F.; Cui, H.; Popova, A. A.; Levkin, P. A.; Mikut, R.; Reischl, M.
2021. Proceedings - 31. Workshop Computational Intelligence : Berlin, 25. - 26. November 2021. Hrsg.: H. Schulte; F. Hoffmann; R. Mikut, 211–234, KIT Scientific Publishing
2019
Evaluation of Features for Change Detection in Unstructured Image Data
Münke, F. R.; Bartschat, A.; Chen, Y.; Mikut, R.; Reischl, M.
2019. Proceedings - 29. Workshop Computational Intelligence, Dortmund, 28. - 29. November 2019. Ed.: F. Hoffmann, E. Hüllermeier, R. Mikut, 1–23, KIT Scientific Publishing
Abgeschlossenes Projekt