Tredje Ögat

Diarienummer 2017-05510
Koordinator Lunds universitet - Matematikcentrum
Bidrag från Vinnova 6 631 000 kronor
Projektets löptid oktober 2018 - oktober 2022
Status Pågående
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin

Syfte och mål

Projektet avser att bygga en prototyp av en ny sensor, en tre-ögd sensor och ytterligare stödjande programvara baserad på maskininlärning och datorseende. Syftet med denna teknik är att underlätta infrastrukturbaserad information som kan användas för trafikanalys, stöd för ansluten transportsystem inklusive autonoma fordon, tjänster för utsatta trafikanter, trafikforskning och stadsplanering i allmänhet. En gemensam nämnare för dessa uppgifter är möjligheten att upptäcka och spåra trafikanter som bilar, fotgängare och cyklar, vilket kommer att vara fokus i projektet.

Förväntade effekter och resultat

Fokus i projektet är på ny kunskap och tekniker för användning av djupa faltningsnät kombinerat med en tre-ögd kamerasensor för trafik och transport. Projektet testar ett nytt koncept för en video-baserad sensor som använder tre linser ("treögd stereokamera"). Konceptet kommer att leda till en industriell prototyp och det utvecklas nya maskininlärningsmetoder, baserade på maskininlärning, för att analysera trafikanter (bilar, cyklar, gående). Testresultat från verkliga, men kontrollerade, miljöer och utforskning av användningsfall som gynnar samhället genomförs.

Planerat upplägg och genomförande

Projektet består av fem arbetspaket (WP). WP1 hanteras av Axis, WP2 hanteras av LTH Trafik och Väg, WP3 hanteras av LTH Matematik, WP4 hanteras av LTH trafik och Väg och WP5 hanteras av LTH Matematik. WP1: Design, prototyp och utvärdering av tre-ögd sensor WP2: Datainsamlings och trafikscenario planering WP3: Algoritmdesign med maskininlärning WP4: Användarfall för trafikplanerare och städer WP5: Projektstyrning

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.