Pontfelhők feldolgozásának automatizálása közlekedési alkalmazások támogatására / Automating point cloud processing to support transport applications

Primary tabs

Erre a témakiírásra nem lehet jelentkezni.
Nyilvántartási szám: 
22/22
Témavezető neve: 
Témavezető e-mail címe:
lovas.tamas@emk.bme.hu
A témavezető teljes publikációs listája az MTMT-ben:
A téma rövid leírása, a kidolgozandó feladat részletezése: 
Az önvezető járművek irányítását segítő és a járműdinamikai szimulációs környezetek nagy pontosságú, nagy geometriai és időbeli felbontású adatokat igényelnek az infrastruktúráról (útpálya és környezete) és a forgalomról (járművek osztályozása, száma, sebessége). Az útépítésben tervezési, kivitelezési és üzemeltetési szinten is megfigyelhető a BIM térnyerése, a munkafolyamatok digitalizálása. Mindegyik munkafolyamatban egyre erősebb az igény a részletgazdag virtuális modellekre; közös elem, hogy nagy pontosságú, aktuális geometriai adatokra támaszkodnak, akár terepmodell előállításáról, akár a földművek vagy pályaszerkezet felméréséről van szó.
A mennyiségi és minőségi követelmények pontfelhő alapú adatnyerést, pontfelhők feldolgozását és ennek eredményeként levezetett adatok használatát igénylik. Fotogrammetriai és lézerszkennelési technológiákkal felmérhető az útpálya geometriája, nagy pontosságú mérések esetén ez a járműdinamikai szimulációkat támogathatja. Szintén ezen technológiákkal gyűjthetők adatok az útpálya környezetéről, amelyek hálózati szimulációkat, önvezető járművek irányítási szimulációit teszik lehetővé. A forgalmat más technológiák mellett szintén lehet pontfelhők segítségével mérni, amellyel a járművek méretei határozhatók meg, mérhető a forgalom nagysága, sebessége, levezethető a forgalom összetétele.
A nagy felbontású pontfelhőknek nagy tárhely- és számítási kapacitás igényük van, az alkalmazás számára hasznos adatok kinyerésének jelenleg nagy a munkaigénye, a folyamatok csak részben és elszigetelten automatizáltak, számos szoftver használatát igénylik.
A kutatás témája a fenti pontfelhő alapú munkafolyamatok automatizálása a feladatrészek algoritmizálásával, mesterséges intelligencia alkalmazásával. Cél nemcsak a tárhely, memória és számítási kapacitások optimalizálása, de objektív, feldolgozótól független, magas minőséget adó feldolgozási munkafolyamatok kidolgozása.
 
Előzetesen ütemezhető feladatok:
- közlekedési alkalmazások által megkövetelt adatminőségnek megfelelő pontfelhő alapú felmérési eljárás munkafolyamatának kidolgozása;
- útpálya geometria (pontfelhő és felületmodell) félautomatikus levezetése különböző forrásokból származó pontfelhőkből;
- forgalomban haladó jármű geometriájának levezetése és osztályozása pontfelhőkből;
- munkafolyamatok automatizálása.
 
***
 
Autonomous driving and vehicle dynamics simulation environments require high accuracy, high geometric and temporal resolution data on infrastructure (road surface and its surroundings) and traffic (classification, number, speed of vehicles). The penetration of BIM and the digitalization of work processes can be observed in road construction at the design, construction, and operational levels. In each of these work phases, there is an increasing demand for detailed virtual models, with the common element of relying on high accuracy, up-to-date geometric data, whether it is for a terrain model or the survey of earthworks or track structure.
Quantitative and qualitative requirements demand point cloud-based data extraction, point cloud processing and the use of the resulting derived data. Photogrammetric and laser scanning technologies can be used to measure the geometry of the road surface, supporting vehicle dynamics simulations for extreme accuracy measurements. These technologies can also be used to collect data on the roadway environment, enabling network simulations and simulations of self-driving vehicle control. Traffic can also be measured using point clouds, which can be used to determine the vehicle dimensions, measure traffic volume and speed, and support traffic classification.
High-resolution point clouds require large storage and computational resources, are currently labour-intensive to extract useful data for the application, and the processes are automated only partially and isolated, requiring the use of multiple software tools.
The research topic is the automation of these point cloud workflows by algorithmizing the task parts and using artificial intelligence. The aim is not only to optimise storage, memory, and computational capacity, but also to develop objective, user-independent, high quality processing workflows.
 
Pre-scheduled tasks:
- Develop a workflow for a point cloud-based survey process that meets the data quality required by transportation applications.
- Semi-automatic derivation of road geometry (point cloud and surface model) from point clouds from different sources.
- derivation and classification of vehicle geometry in traffic from point clouds.
- automation of workflows.
 
A téma meghatározó irodalma: 
    1) Lovas, Tamas ; Ormandi, Tamas ; Somogyi, Arpad Jozsef ; Baranyai, Daniel ; Tihanyi, Viktor ; Tettamanti, Tamas: OpenCRG models from different data sources to support vehicle simulations, IEEE ACCESS 10 pp. 42690-42698. , 9 p. (2022)
    2) C. Yavvari, D. Wijesekera and Z. Duric, "Stable and safe automated driving using 3-D road geometric features", Proc. IEEE 89th Veh. Technol. Conf. (VTC-Spring), pp. 1-7, Apr. 2019.
    3) J. Balado, J. Martínez-Sánchez, P. Arias and A. Novo, "Road environment semantic segmentation with deep learning from MLS point cloud data", Sensors, vol. 19, no. 16, pp. 3466, Aug. 2019.
    4) M. Scholtes, L. Westhofen, L. R. Turner, K. Lotto, M. Schuldes, H. Weber, et al., "6-layer model for a structured description and categorization of urban traffic and environment", IEEE Access, vol. 9, pp. 59131-59147, 2021.
    5) S. Tengler and K. Warwas, "An effective algorithm of uneven road surface modeling and calculating reaction forces for a vehicle dynamics simulation", Coatings, vol. 11, no. 5, pp. 535, Apr. 2021.
    6) T. R. Ori, N. M. Kone and S. Traore, "Development of a virtual environment for simulation of a 3D road profile using OpenCRG and MATLAB GUI", Engineering, vol. 13, no. 12, pp. 677-689, 2021.
    7) B. Schwab and T. H. Kolbe, "Requirement analysis of 3D road space models for automated driving", ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., vol. IV-4/W8, pp. 99-106, Sep. 2019,
    8) R. Fan, U. Ozgunalp, B. Hosking, M. Liu and I. Pitas, "Pothole detection based on disparity transformation and road surface modeling", IEEE Trans. Image Process., vol. 29, pp. 897-908, 2019.
    9) S. Duleba, T. Tettamanti, A. Nyerges and Z. Szalay, "Ranking the key areas for autonomous proving ground development using Pareto analytic hierarchy process", IEEE Access, vol. 9, pp. 51214-51230, 2021
    10) A. Boyko and T. Funkhouser, "Extracting roads from dense point clouds in large scale urban environment", ISPRS J. Photogramm. Remote Sens., vol. 66, no. 6, pp. S2-S12, Dec. 2011
A téma hazai és nemzetközi folyóiratai: 
    1) IEEE Access (ISSN: 21693536, tudományos, lektorált, impakt faktoros, nem hazai, SCIMAGO Q1)
    2) Journal of Transport Geography (ISSN: 09666923, tudományos, lektorált, impakt faktoros, nem hazai, SCIMAGO Q1)
    3) Sensors (ISSN: 14243210, tudományos, lektorált, impakt faktoros, nem hazai, SCIMAGO Q1)
    4) Survey Review (ISSN: 00396265, tudományos, lektorált, impakt faktoros, nem hazai, SCIMAGO Q2)
    5) Production Engineering Archives (ISSN: 23537779, tudományos, lektorált, nem hazai, SCIMAGO Q2)
    6) Periodica Polytechnical Civil Engineering (ISSN: 15873773, tudományos, lektorált, hazai, SCIMAGO Q3)
    7) International Archives of Photogrammetry and Remote Sensing (ISSN: 16821750, tudományos, lektorált, nem hazai)
    8) Közlekedéstudományi szemle (tudományos, hazai)
A témavezető utóbbi tíz évben megjelent 5 legfontosabb publikációja: 
    1) Lovas, Tamas ; Ormandi, Tamas ; Somogyi, Arpad Jozsef ; Baranyai, Daniel ; Tihanyi, Viktor ; Tettamanti, Tamas: OpenCRG models from different data sources to support vehicle simulations, IEEE ACCESS 10 pp. 42690-42698. , 9 p. (2022)
    2) Csiszár, Csaba ; Csonka, Bálint ; Földes, Dávid ; Wirth, Ervin ; Lovas, Tamás Location optimisation method for fast-charging stations along national roads JOURNAL OF TRANSPORT GEOGRAPHY 88 Paper: 102833 , 11 p. (2020) 
    3) Csiszár, Csaba ; Csonka, Bálint ; Földes, Dávid ; Wirth, Ervin ; Lovas, Tamás Urban public charging station locating method for electric vehicles based on land use approach JOURNAL OF TRANSPORT GEOGRAPHY 74 pp. 173-180. , 8 p. (2019)
    4) Török, Ákos ; Bögöly, Gyula ; Somogyi, Árpád ; Lovas, Tamás Application of UAV in Topographic Modelling and Structural Geological Mapping of Quarries and Their Surroundings—Delineation of Fault-Bordered Raw Material Reserves SENSORS 20 : 2 p. 489 , 19 p. (2020)
    5) Paláncz, B ; Awange, JL ; Lovas, T ; Lewis, R ; Molnár, B ; Heck, B ; Fukuda, Y Algebraic method to speed up robust algorithms: example of laser-scanned point clouds SURVEY REVIEW 49 : 357 pp. 408-418. , 10 p. (2017)
A témavezető fenti folyóiratokban megjelent 5 közleménye: 
    1) Lovas, Tamas ; Ormandi, Tamas ; Somogyi, Arpad Jozsef ; Baranyai, Daniel ; Tihanyi, Viktor ; Tettamanti, Tamas: OpenCRG models from different data sources to support vehicle simulations, IEEE ACCESS 10 pp. 42690-42698. , 9 p. (2022)
    2) Csiszár, Csaba ; Csonka, Bálint ; Földes, Dávid ; Wirth, Ervin ; Lovas, Tamás Location optimisation method for fast-charging stations along national roads JOURNAL OF TRANSPORT GEOGRAPHY 88 Paper: 102833 , 11 p. (2020) 
    3) Török, Ákos ; Bögöly, Gyula ; Somogyi, Árpád ; Lovas, Tamás Application of UAV in Topographic Modelling and Structural Geological Mapping of Quarries and Their Surroundings—Delineation of Fault-Bordered Raw Material Reserves SENSORS 20 : 2 p. 489 , 19 p. (2020)
    4) Barsi, Arpad ✉ ; Poto, Vivien ; Somogyi, Arpad ; Lovas, Tamas ; Tihanyi, Viktor ; Szalay, Zsolt Supporting autonomous vehicles by creating HD maps PRODUCTION ENGINEERING ARCHIVES 16 : 16 pp. 43-46. , 4 p. (2017)
    5) Lovas, Tamás ; Somogyi, Árpád József ; Simongáti, Győző Laser Scanning Ship Hulls to Support Hydrodynamic Simulations PERIODICA POLYTECHNICA-CIVIL ENGINEERING 66 : 1 pp. 291-297. , 7 p. (2021)
Hallgató: 

A témavezető eddigi doktoranduszai

Aftab Ifra (2021//)
Somogyi József Árpád (2014/2017/2017)
Koppányi Zoltán (2012/2015/2015)
Rehány Nikolett (2013/2017/)
Berényi Attila (2008/2011/2011)
Státusz: 
elfogadott