Original paper

Automated 3D Road Sign Mapping with Stereovision-based Mobile Mapping exploiting Depth Information from Dense Stereo Matching

Cavegn, Stefan; Nebiker, Stephan

Abstract

This paper presents algorithms and investigations on the automated detection, classification and mapping of road signs which systematically exploit depth information from stereo images. This approach was chosen due to recent progress in the development of stereo matching algorithms enabling the generation of accurate and dense depth maps. In comparison to mono imagery-based approaches, depth maps also allow 3D mapping of the objects. This is essential for efficient inventory and for future change detection purposes. Test measurements with the mobile mapping system by the Institute of Geomatics Engineering of the University of Applied Sciences and Arts Northwestern Switzerland demonstrated that the developed algorithms for the automated 3D road sign mapping perform well, even under dif cult to poor lighting conditions. Approximately 90 % of the relevant road signs with predominantly red, blue and yellow colours in the standard and small format in Switzerland can be detected, and 85 % can be classified correctly. Furthermore, fully automated mapping with a 3D accuracy of better than 10 cm is possible.

Kurzfassung

In diesem Beitrag werden Algorithmen und Untersuchungen zur automatischen Detektion, Klassifizierung und Kartierung von Verkehrszeichen vorgestellt, die systematisch die Tiefeninformation aus Stereobildaufnahmen ausnutzen. Dieser Ansatz bietet sich an, da in den letzten Jahren neue Stereo-Algorithmen entwickelt wurden, welche die Generierung von dichten Tiefenkarten aus Stereobilddaten ermöglichen. Im Vergleich zu den auf Monobildern basierenden Verfahren erlauben die Tiefenkarten auch eine genaue 3D-Kartierung der Objekte, was für die effiziente Inventarisierung und für eine zukünftige Veränderungsanalyse wesentlich ist. Testmessungen mit dem mobilen Messfahrzeug des Instituts Vermessung und Geoinformation der Fachhochschule Nordwestschweiz haben gezeigt, dass die entwickelten Algorithmen für die automatisierte Verkehrszeichenkartierung auch bei schlechten Beleuchtungsverhältnissen sehr leistungsfähig sind. Es können etwa 90 % der relevanten Verkehrszei chen mit überwiegend roten, blauen und gelben Farbanteilen im Normal- und Kleinformat in der Schweiz detektiert und 85 % korrekt klassifiziert werden. Zudem ist eine vollautomatische Kartierung mit einer 3D-Genauigkeit von unter 10 cm möglich.

Keywords

mobile mappingroad signsdepth mapsdense stereo matching