Automatic traffic sign inventory- and condition analysis

Abstract

This thesis researches automatic traffic sign inventory and condition analysis using machine vision and pattern recognition methods. Automatic traffic sign inventory and condition analysis can be used to more efficient road maintenance, improving the maintenance processes, and to enable intelligent driving systems. Automatic traffic sign detection and classification has been researched before from the viewpoint of self-driving vehicles, driver assistance systems, and the use of signs in mapping services. Machine vision based inventory of traffic signs consists of detection, classification, localization, and condition analysis of traffic signs. The produced machine vision system performance is estimated with three datasets, from which two of have been been collected for this thesis. Based on the experiments almost all traffic signs can be detected, classified, and located and their condition analysed. In future, the inventory system performance has to be verified in challenging conditions and the system has to be pilot tested.

Tämä diplomityö tutkii liikennemerkkien automaattista inventointia sekä kunnon arviointia käyttäen konenäkö- ja hahmontunnistusmenetelmiä. Automaattista liikennemerkkien inventointia ja kunnon arvioimista voidaan soveltaa tehokkaampaan liikenneväylien kunnossapitoon, kunnossapitoprosessien kehittämiseen ja älyliikenteen tarpeiden täyttämiseen. Automaattista liikennemerkkien havaitsemista ja luokittelua on tutkittu aiemmin itseajavien autojen, kuljettajan apujärjestelmien ja karttatietopalveluiden tarpeiden näkökulmasta. Konenäköön perustuva liikennemerkkien inventointi koostuu liikennemerkin havaitsemisesta, luokittelusta, paikantamisesta sekä kuntoarviosta. Toteutetun järjestelmän toimivuus arvioidaan käyttäen kolmea eri testiaineistoa, joista kaksi on kerätty tätä työtä varten. Tulosten perusteella lähes kaikki liikennemerkit voidaan havaita, tunnistaa, paikallistaa ja niiden kunto arvioida. Tulevaisuudessa inventoinnin toimivuus tulee varmistaa haastavissa olosuhteissa ja järjestelmälle toteuttaa pilottitestaus.