Estacionamiento Inteligente en Megaciudades

Aplicación basada en imágenes y nubes de puntos de mapeo móvil

¿Sabía que puede perder una semana o más al año buscando un lugar de estacionamiento en grandes ciudades?, hoy en día, las aplicaciones de estacionamiento inteligentes ofrecen una respuesta muy necesaria al problema, y ​​las nubes de puntos de mapeo móvil e imágenes son ingredientes centrales de la solución. Además de ahorrar tiempo al guiarlo directamente a un lugar disponible cerca de su destino, las aplicaciones inteligentes de estacionamiento también reducen el consumo innecesario de combustible, contaminación del aire y emisiones de gases de efecto invernadero. Una de esas aplicaciones es AppyParking de AppyWay, con sede en Londres.

La aplicación AppyParking permite a los usuarios ver todas las áreas de estacionamiento en la calle y fuera de la calle, restricciones y horarios de operación. Antes de la llegada, los automovilistas pueden tomar decisiones informadas sobre dónde buscar un lugar de estacionamiento y pueden encontrar las opciones más cercanas y más baratas. En el núcleo de una aplicación de estacionamiento tan inteligente se encuentra un preciso mapa, detallado y actualizado. Idealmente, el mapa no solo debe cubrir las ubicaciones y contornos de las zonas de estacionamiento, sino también proporcionar información adicional sobre sus características. Los letreros colocados en o cerca de los espacios de estacionamiento son una fuente importante de tales características.

En el caso de AppyParking, los datos utilizados para crear el mapa consistían en nubes e imágenes de puntos láser a nivel de calle. El levantamiento fue realizado por Getmapping Plc, una empresa con sede en Fleet, Hampshire, Reino Unido, que se especializa en fotogrametría aérea, mapeo móvil, Lidar, mapeo digital y servicios basados ​​en la web en Europa y África.

Figura 1: Todos los sensores de Pegasus: Two Ultimate están rígidamente integrados en la misma carcasa; El bastidor se puede montar en una variedad de vehículos.

Sistema de mapeo móvil

Getmapping Plc opera múltiples sistemas de mapeo móvil Pegasus: Two. Este levantamiento se realizó utilizando un Pegasus: Two Ultimate MMS (Figura 1) y un Pegasus: Two actualizado a la versión Ultimate. Las cámaras de la Ultimate tienen un alto rango dinámico gracias a una gran relación sensor-píxel y un sensor de doble luz. El alto rango dinámico de la cámara permite capturar imágenes nítidas en una variedad de condiciones de iluminación y a varias velocidades del vehículo. La calidad de la imagen se mejora aún más por la resolución del sensor de la cámara de 12MP. La compresión JPEG integrada permite almacenar cantidades masivas de imágenes en el disco extraíble en el acto sin comprometer la calidad de la imagen. Los datos se pueden guardar directamente y conectarse sin problemas a cualquier PC o servidor con una interfaz USB 3.0. La compresión es un requisito previo para levantamientos prolongados sin interrupciones, ya que la cámara produce imágenes con una resolución tres veces mayor en comparación con los sistemas estándar. Las cámaras laterales capturan ocho cuadros por segundo (FPS) en un campo de visión de 61 x 47 grados. La distancia máxima de muestreo del terreno (GSD) a una distancia de 10 m de la cámara es de 3 mm. El sistema de cámara ojo de pez, que consta de dos cámaras montadas una detrás de la otra, proporciona imágenes de 24MP sin interrupciones con un campo de visión de 360 ​​grados. El sistema de cámara dual ojo de pez está alineado con el escáner láser, lo que permite la coloración de los puntos láser (Figuras 2 y 3).

Levantamiento

La captura MMS de los barrios de Londres se realizó en dos pasos. En el primer paso, se levantaron seis distritos en otoño de 2017. Tres geomensores condujeron aproximadamente 50 km por día para capturar 25 km de trayectorias viales, generalmente en pasos de ida y vuelta. El levantamiento continuó durante todo el invierno, incluso cuando las condiciones de luz eran malas. No se necesitaban geomensores ni equipos de gestión del tráfico en la calle: todos los datos se capturaron desde vehículo. Las imágenes capturadas y las nubes de puntos láser se convirtieron posteriormente en mapas durante los primeros seis meses de 2018. Dos operadores de oficina procesaron los datos y almacenaron en discos duros usando Leica Pegasus: Manager, que aprovecha las últimas metodologías de calibración del sistema para superponer con precisión imágenes y datos de nube de puntos.

Figura 2: Escaneo láser móvil de Admiralty Arch en The Mall en Londres, coloreado a partir de imágenes panorámicas de 360 grados capturadas simultáneamente.

La segunda etapa, en la que se encuestó a otros 13 distritos, se completó a mediados de 2018. Muchos caminos necesitaban segundas pasadas para eliminar o reducir las oclusiones. Las tasas de captura variaron significativamente dependiendo de la ciudad que se captura y la hora del día. Los datos de cada día se procesaron dentro de los cuatro días posteriores a la captura. El tiempo total entre la planificación de la encuesta y la entrega de los productos finales fue de tres semanas. Para dar una idea de la cantidad de datos capturados: una encuesta MMS de 120 km de carreteras dio como resultado alrededor de 0.5 TB de datos sin procesar.

Cartografía

Los puntos, símbolos, polígonos y entidades de puntos que componen las zonas de estacionamiento se extrajeron manualmente y de forma (semi) automática de las nubes de puntos y líneas de imágenes de ojo de pez de 360 ​​grados utilizando MapFactory de Leica, que está integrado en Esri ArcMap. Los datos extraídos se pueden importar fácilmente a las soluciones de Esri u otras plataformas SIG para su posterior procesamiento y uso. La información sobre las señales de estacionamiento se extrajo de las imágenes y se atribuyó a la zona de estacionamiento correspondiente. Los contornos de cada zona de estacionamiento estaban representados por polígonos. Dondequiera que los contornos estuvieran ocluidos (es decir, la visibilidad fue obstruida por automóviles u otros objetos en la línea de visión), los polígonos se recolectaron y refinaron interactivamente. Por ejemplo, las líneas visibles se extendieron e intersectaron entre sí para obtener las coordenadas de los puntos de esquina invisibles de las zonas de estacionamiento.

Figura 3: Nube de puntos láser de Tower Bridge en Londres, intensidad de color (izquierda) y nube de puntos resultante de la coloración de imágenes panorámicas de 360 grados capturadas simultáneamente.

Resultados y desafíos

La precisión relativa de los contornos que pertenecen a la misma zona de estacionamiento es mejor a 2 centímetros, y la precisión absoluta se encuentra entre 3 y 10 centímetros dependiendo del área. Lograr esa alta precisión absoluta en todo el territorio implicaba medir como referencia 250 puntos de control terrestre (PCG) distribuidos por los cañones urbanos de la ciudad de Londres. Durante el paso de inspección MMS, que tomó 100 días en total, se capturaron 19 distritos de Londres y cinco ciudades (Getmapping también levantó a Brighton, Cambridge, Oxford, Portsmouth y Coventry para apoyar el estacionamiento inteligente). La longitud total de la trayectoria MMS fue de más de 6.500 km, incluidos múltiples pases. El millón de puntos láser capturados por segundo junto con las imágenes dieron como resultado 24 TB de datos sin procesar, que se expandieron a 50 TB después del procesamiento y el mapeo. Para cada zona de estacionamiento, se extrajeron 27 características de las nubes de puntos e imágenes. La combinación de imágenes panorámicas de 360 ​​grados complementadas por cuatro cámaras laterales de 12MP aseguraron que todas las señales de estacionamiento fueran claramente identificables. Todos los datos solicitados por el cliente se entregaron con anticipación. En términos de desafíos, el posicionamiento GNSS de alta precisión continuo y confiable en entornos urbanos se dificulta por la interferencia de múltiples rutas y pobre frecuencia GNSS. Una unidad de medida inercial (IMU) y suficientes PCG son cruciales para resolver estos problemas. Otro desafío es que las condiciones climáticas y de difícil luminosidad pueden dificultar la extracción de toda la información de los carteles de estacionamiento de las imágenes.

Observaciones finales

Las imágenes y las nubes de puntos también se pueden utilizar para la gestión de activos, proyectos de drenaje, mejoras de seguridad vial, mantenimiento de carreteras, telecomunicaciones 5G y análisis ambiental. Sobre la base de todos los datos recopilados y características extraídas, AppyWay puede entregar datos de administración de tráfico altamente precisos y detallados a sus sistemas de estacionamiento inteligentes.

Fuente: Gim International

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Solve : *
26 + 29 =