Die Welligkeitsmessung habe ich bisher noch nicht gemacht, theoretisch sollte das aber auch möglich sein. Problematisch ist hier dann die Verzerrung des Objektivs, das man wie Nakaner beschreibt kalibrieren müsste.
Da ich nachts mit sehr niedrigem ISO fotografiert habe, waren es bei den Bildern ca. 1/5 bis 1/2s. Wenn man wirklich die Rauheit bei der Fahrt erfassen möchte, müsste man extrem schnell belichten (und einen sehr hellen Laser haben), da die ‘Poren’ im Asphalt ja auch im mm-Bereich liegen. 30km/h wären bei 1mm erlaubter Bewegung schon 1/8333 s Belichtungszeit nötig. Bei der Welligkeit wären die Anforderungen nicht so hoch. Aber wie gesagt, gegen das Umgebungslicht müsste man sich noch etwas ausdenken.
Meine Idee der Anwendung wäre ja folgende: Man clipst an das Smartphone einen (auszziehbaren?) Stab an, an den man vorne den Laser befestigt und legt ein Referenzobjekt auf den Boden. evtl. wäre ein kleines Stativ sinnvoll. Der Laser wird angeschaltet, ein Bild aufgenommen, der Laser ausgeschaltet und ein weiteres Bild aufgenommen. Die App erledigt dann den Rest.
edit:
Bezüglich der Montage am Auto zur Ebenheitsmessung habe ich nochmal nachgedacht, prinzipiell würde sowas schon funktionieren, allerdings eher nicht sehr günstig, da eine schnelle Videokamera und ein leistungsfähiges Bildverarbeitungssystem (FPGA, etc…) nötig wäre. Außerdem kommt man wohl in Konflikt mit der Straßenverkehrs-Zulassungs-Ordnung bezüglich den am Fahrzeug angebrachten lichttechnischen Einrichtungen.
Hier an der Schweizer Grenze gibt es eine Firma die sucht händeringend Programmierer die sich mit digitaler Bilderfassung/auswertung auskennen. Hintergrund ist die optische/digitale Erfassung von Minderprofil bei Reifen auf der Straße. Die haben sogar ein Vesuchsfeld an der B34 unter einer Brücke (zwecks Abschattung).
Meine steinzeitliche Messmethode: Inliner anschnallen und dort wo es Spaß macht “smoothness=excellent”, ansonsten “smoothness=good” oder noch schlechter. Ansonsten ist mir bei Asphalt-Strecken aufgefallen, dass man mit den Inlinern deren Alter sehr genau feststellen kann. Soll heißen je Älter die Teerstrecke desto poröser (Verwitterung) ist sie auch, es sei den die Straßenbaufirma hat von Anfang an Billigasphalt aufgebracht.
Fazit: Hiermit möchte ich darauf hinweisen, dass auch der Wartungsaufwand für “super genau eingetragene Rauheitseigenschaften” steigt. Die Rolleigenschaften von Fahrbahnen werden jährlich schlechter … .
Ansonsten: Interessant auf was für Ideen manche kommen … .
Das stimmt, alte Strecken sind manchmal spürbar schlechter. Lediglich Spurrinnen auf Straßen werden manchmal glatter, aber da darf man sowieso meist nicht fahren.
supergenau sollte es sowieso nicht sein, lediglich eine Hilfe für das derzeit eher subjektive smoothness. Die Inline-Messmethode ist auch gut, liegt aber auch nicht jedem.
So faszinierend die Methode ist, ihr wird kein großer Erfolg gegönnt sein, da der Aufwand verhältnismäßig hoch ist, sodass sich nicht viele finden lassen werden, die an dieser Art der Erfassung teilnehmen werden.
Nun ja, das kommt darauf an wie man das umsetzt. Wenn man es den Leuten einfach macht, dann kann ich mir schon vorstellen, dass es einige anwenden würden. Vor allem wenn es quasi “nebenbei” geht, wie bspw. Mapillary. Das Teil an das Fahrzeug oder das Rad und auf dem Weg zur Arbeit oder bei einem Ausflug produziert man Daten für OSM.
Und für das Problem, dass es jährlich schlechter wird: dann gibt man einfach das Messdatum mit an und so können dann Renderer die Werte hochrechnen, mit früheren Messungen vergleichen, angeben, wo mal wieder eine Messung nötig wäre, usw.
Ja, warum nicht? Dazu müsste halt die Qualität von smoothness passen und die ist bisher, trotz guter Beschreibung, meiner Meinung nach immer noch zu sehr subjektiv.
Du könntest uns ja an deinen Ideen/Gedanken teilhaben lassen, warum du denkst, das es eventuell einfacher ginge. Ich stelle dazu gleich mal folgende Überlegung auf, warum ich denke das dies nicht so einfach ist: Wir beide fahren mit einem Samsung Galaxy S3, am Lenker befestigt Fahrrad … du mit einem 10bar aufgepumpten Rennrad, ich mit einem 3bar aufgepumpten full-suspenion trailbike.
Ich bin zwar nicht gefragt, wenn es Referenzstraßen gäbe, wäre es die Frage, ob man aufgrund dieser Daten via Statistik nichts machen könnte. Notwendig wäre vermutlich, dass diese Auswertung von Seiten von OSM stattfindet und nicht vom Mapper. Denn dein Fahhrad verändert auch seine Vibrationen beim gleichen Übergang. Die Frage ist, ob Gesetzmäßigkeiten dahinterstecken.
Vielleicht könnte man tatsächlich aufgrund von den Beschleunigungssensordaten wenn man eine große Datenmenge hat die “eigenschwingung” durch das individuelle Fahrrad modellieren (und dann vom Signal abziehen), so dass man dann doch Aussagen über die Oberflächenbeschaffenheit treffen kann. Ich würde das aber eher nicht so hoffnungsvoll sehen - ich denke, da sind zuviele Störeinflüsse da, die das Ergebnis dann nicht nutzbar machen. Aber versuchen könnte man es!
Was auch gehen könnte wäre das mittels Structure from Motion-Algorithmen zu machen, also on-the-fly ein 3D-Modell errechnen zu lassen. Ginge aus normalen RGB-Bildern, aber auch mit RGBD-Sensoren wie der Kinect und einer Prozessierung wie KinFu o.ä. hintendran (http://codewelt.com/kinect3dscan )
Bezüglich der Messung mit Beschleunigungssensor:
Ja, theoretisch könnte man das Fahrrad modellieren, problematisch aus Ingenieurwissenschaftlicher Sicht hierbei ist, dass das System ein wenig zeitvariant (Luft geht langsam aus dem Reifen raus oder wird manchmal wieder aufgepumpt), aber vor Allem nichtlinear ist (z.B. ist das Signal beim Überfahren eines rechteckförmigen Objektes mit 1cm Höhe und Länge nicht genau das Signal beim Überfahren eines rechteckigen Objektes mit -1cm Höhe und 1cm Länge mit umgekehrtem Vorzeichen). Dies liegt hauptsächlich am Rad selbst, wenn der Raddurchmesser gegen Null gehen würde, wäre die Messung linearer… . Dazu kommt der Störeinfluss Mensch beim Radfahren und evtl Vibrationen durch die Mechanik, die Geschwindigkeit spielt ebenfalls eine Rolle. Für grobe subjektive Messungen (eben oder uneben) könnte so etwas tauglich, für quantitative Messgrößen eher untauglich sein.
Bezüglich der Straßenqualitätskarte noch einige Gedanken:
Je nach Definition der Straßenqualität müsste man die gesamte Breite der Straße erfassen können, bei einer superebenen Straße könnten ja auch tiefe Schlaglöcher irgendwo sein, die man z.B. mit dem Rad umfahren würde. Spurrillen fallen mir hierzu auch ein. Der Link von Pfad-Finder
zeigt rechts auf dem dritten Bild von oben ein Messsystem das das kann. Für OSM-Zwecke vielleicht etwas überdimensioniert…
Sollte mit einem Raspberry machbar sein…über die Kamera eine Seiten/Mittelstreifenerkennung + Beschleunigersensor dazu…
Das mit Beschleunigersensor hatte ich mir vor Jahren mal ausgedacht…aber damals gabs noch keine günstigen Mini-PCs die ohne dicken Bleiakku ausgekommen wären Den Sensor hatte ich an der vorderen Federgabe und nicht am Fahrrad geplant (!!!). Man will ja die Bodenbeschaffenheit und nicht das Rütteln des Fahrrads erfassen - was vor allem bei einem vollgefederten Fahrrad am Rahmen total sinnlos wäre, da dieser schon beim Kurbeln losrüttelt An der Federgabel, mit entsprechender Kalibrierung, sollte man ganz genau Asphalt, Schotter, Waldweg, “schlechter” Feldweg und “Offroad” erfassen können. Je länger die Federgabel, desto genauer das Ergebnis.
Auf die Idee kam ich, als ich vor etwa drei oder vier Jahren mein damals erstes Smartphone am Rahmen als Actioncam befestigt habe. Die Kamera war vorne Am rahmen und hat die Federgabel mit im Blickfeld gehabt. Da hat man deutlich die Unterschiede zwischen den Bodenblägen und der dazu gehörigen Federbewegung gesehen
Mittels Photogrammertrie könnte man sogar durch seitliche Kameraaufnahmen die Umgebung aufnehmen - ala Streetview, aber halt in 3D. Zwei aufeinanderfolgende Bilder können zu einem 3D-Modell umgerechnet werden. Durch die Einschränkung der Auflösung (Full HD) könnte die Erkennung auf vielleicht 10-20 Meter gut funktionieren - oder man schießt halt Fotos mit bis zu 5 Megapixeln, was dann allerdings auch länger für die Berechnung braucht. Ob ein Haus da ist (sogar mit Anfang und Ende), Bäume (Wald) usw… Wenns nur nicht so kompliziert wäre zu programmieren
Aktueller Raspberry mit Quadcore kostet 38 €. Die Kamera dazu um 20 €. Display gibts ab 15 € (2-5"). Android geht auch drauf, falls man es als GPS-Navi/Logger mit Standard-Apps nutzen will, ohne jetzt was zu basteln/programmieren zu müssen.
Beschleunigersensor-Module gibts ab 8…10 €.
Die habe ich da extra nicht erwähnt…weil: wann hat man den lenker denn absolut gerade und parallel zur Fahrbahn?
Normal wackelts hin und her…das kann man nie im leben erfassen… Einfacher geht das über Luftbilder - hier weiß man die Auflösung bzw. die größe eines Pixels.
eine homogene Fläche kann man mit einem nummerischen Wert für die Rauheit sicherlich gut beschreiben.
Für Inline-Skater mag die Rauheit auch eine Rolle spielen.
Wichtiger für alle Nutzer ist es aber, ob eine Straße oder ein Platz Schlaglöcher, Risse, Spurrillen, schlechte
Flickstellen, hochstehende Schachtdeckel, abgesackte Gullys oder ähnliche Schäden haben.
Solche Schäden sind mit einem einzelnen Wert für einen Straßenabschnitt schwer zu beschreiben.
Erst wenn man ein praktikables Datenmodell auch für Oberflächenschäden hat, mach es m. E. Sinn sich mit
objektiven Messverfahren zu beschäftigen.
Eine interessantes Idee ist die Triangulation mit einem günstigen Linienlaser trotzdem
Das was ich da meinte bezog sich eher auf den Strassenbelag und nicht die “Güte”. Mit einem Beschleunigersensor könnte man automatisch erfassen auf was für einem Belag man fährt. Und das Metergenau
Na, wenn man ein 3D-Modell mittels SfM erzeugt, dann kriegt man schon die ganze Breite des Weges, auch wenn man mehrere schräge Bilder aufnimmt. Das Problem ist da aber die absolute Skalierung: du kriegst eine maßstabslose Punktwolke/3D-Mesh da raus, wenn du nicht irgendwie extern den Maßstab in dein Modell einbringst. Und das würde low-cost über eine Kinect gehen (die liefert eine Punktwolke mit Koordinaten in Metern), high-cost mit nem Laserscanner.
bezüglich der Sensordatenauswertung für Straßenqualität gibt es schon einige Arbeiten. Im Zusammenhang mit OSM eher weniger.
Wir hatten vor einiger Zeit auch mal Versuche mit einem Smartphone auf einem Fahrrad gemacht: http://dl.acm.org/citation.cfm?id=2533828.2533839
Im Vorfeld haben wir erste Messungen mit einem Smartphone im Auto durchgeführt (bei Interesse gerne weiteres per PN).
Für eine grobe Klassifikation (smoothness tag) reicht es in der Regel aus. Der Vorteil der Smartphone Lösung ist, dass man keine Sensoren zusammenbasteln muss
und so Daten einfach crowdsourcen könnte (bzw. ist es dann auch für technisch weniger affine Mapper möglich Daten zu erheben).
Rauhigkeitsmessungen per Laser sind in dem Bereich jedoch durchaus üblich und je nach Sensorqualität und Rahmenbedingungen kann man damit sicher auch
gute oder sogar bessere Ergebnisse und kann dann bspw. auch Aussagen über den surface Tag treffen.
Vielleicht ist der Bewegungssensor in den Smartphone doch ein guter Ansatz zumindest bei so einer groben Einteilung wie bei smoothness. Habe mir gerade die Bilder, die ich in einem Park für Mapillary gemacht habe angeschaut und je schlechter der Untergrund desto unschärfer die Fotos. Man bräuchte aber eine Kalibrierung die jeder vor Ort mit seinem Rad durchführen könnte, damit die Unterschiede in Reifendimension und Druck ausgeglichen werden. Vielleicht eine Messstrecke über Kopfsteipflaster, guten und schlechten Asphalt.
]
Einfacher geht das über Luftbilder - hier weiß man die Auflösung bzw. die größe eines Pixels.