autonomevoertuigdetectie

Autonomevoertuigdetectie is een vakgebied dat zich bezighoudt met het herkennen en identificeren van autonome voertuigen in verkeerssituaties en in sensordata. Het doel is om AV’s positie, aanwezigheid, type en mogelijk gedrag te bepalen voor toepassingen zoals verkeersveiligheid, verkeersmanagement en onderzoeksanalyse.

Detectie kan plaatsvinden met verschillende sensoren en bronnen. In de infrastructuur kunnen camera’s, lidar en radar samen met V2X-berichten autonome voertuigen detecteren en volgen. Ontcijming en herkenning op het voertuig zelf (on-board sensing) spelen eveneens een rol, bijvoorbeeld voor test- en simulatiedoeleinden. Daarnaast wordt steeds vaker data uit openbare verkeerssystemen en connected-voertuignetwerken gebruikt om AV’s te identificeren en te volgen.

Technisch gezien maakt autonome voertuigdetectie gebruik van computer vision, machine learning en sensorfusie. Tot veelgebruikte technieken behoren objectdetectie, classificatie van voertuigen en tracking over tijd. Sensorfusie combineert informatie uit meerdere bronnen om robuuster te kunnen detecteren, vooral bij occlusies of full-motion scenarios. Doelvariabelen zijn onder meer aanwezigheid, type (autonoom niveau), positie en snelheid.

Toepassingen omvatten verkeersmonitoring en beleidsonderzoek, evaluatie van AV-prestaties in realistische omgevingen, en ondersteuning van slimme verkeerssystemen. Uitdagingen bestaan uit variabele beeldkwaliteit, weersomstandigheden, occlusie van voertuigen, privacyzorgen en de noodzaak voor standaardisatie en representatieve datasets. Voorbeelden van relevante datasets en benchmarks zijn KITTI en nuScenes, die onder meer detectie-, tracking- en modelleringstaken voor autonome voertuigen ondersteunen.

Zie ook: autonome voertuigen, voertuigdetectie, V2X, smart city.