Monitoreo Geoespacial en tiempo real de estacionamiento con una webcam

Descripción del proyecto

Seguimiento en tiempo real del aparcamiento (cantidad de vehículos y espacio ocupado) de uno de las laterales de la Plaza 14 de Septiembre, Cochabamba, utilizando la transmisión de una Webcam mediante un desarrollo fotogramétrico en QGIS.

A la izquierda: Imagen de Google Satélite, Derecha: captura de la transmisión resaltando el área que se monitoreara

Ubicación de la cámara

• País: Bolivia
• Ciudad: Cochabamba
• Dirección: centro histórico y político, específicamente vista de Plaza 14 de Septiembre desde Café Plaza
• Coordenadas: desconocidas
• Altitud y altura de cámara: desconocidas
• Orientación de la cámara: desconocida

Detalles de la cámara 

• Tipo de cámara: la plataforma Skyline indica que emplea cámaras web (webcams).
• Longitud focal: desconocida. Sin embargo, dado que la escena presenta una distorsión radial significativa la lente debe tener un campo de visión muy amplio (FOV > 90° a 120°), esto ocurre con focales entre 10 mm y 18 mm (comunes en cámaras de video vigilancia, cámaras de acción o webcams gran angular)
• Centro óptico: desconocido.
• Resolución de la escena: 1920 × 1080, a esta resolución y distancia, placas y rostros no resultan identificables.
• Transmisión: en vivo (web streaming), libre acceso.
• Enlace a la transmisión: transmisión skyline Plaza 14 de septiembre

Principales desafíos a superar para georreferenciar la escena

1. Desconocimiento de las características de la cámara, ubicación y condiciones de toma
2. Distorsión de la escena, debe calcularse y considerarse

En los trazados rojos se evidencia el efecto de la distorsión

Procesos fotogramétricos aplicados

A lo largo de las pruebas he aplicado y sigo probando múltiples procesos fotogramétricos, sin embargo, para el resultado del presente artículo se aplicó una Homografía del plano del suelo para la georreferenciación y el método de la plomada para calcular la distorsión.

Para poder aplicar la corrección por distorsión es necesario contar el punto principal o ubicación del centro óptico, se estimo dicho parámetro por medio de puntos de fuga.

¿Qué es una Homografía?

Una Homografía es una transformación matemática que relaciona dos vistas proyectivas de un mismo plano, que pueden ser dos imágenes, o un plano del mundo y su imagen. Su importancia radica en que respeta la geometría proyectiva que genera la fotografía plana. 

Es comúnmente utilizada en fotogrametría arquitectónica para recuperar las métricas de fachadas.

Método de la plomada

Aprovecha el principio clásico de fotografía: "las líneas que son rectas en el mundo deben seguir rectas en la imagen". La presencia de curvatura delata la distorsión, el procedimiento consiste en estimar esta deformación, luego aplicar el factor obtenido para enderezarlas.

¿Es válido aplicar una Homografía en nuestro caso?

Tal como especifica la definición una de las condiciones es que la porción de la imagen a modelar debe ser plana y eso no aplica estrictamente en nuestro caso, por ello nos concentraremos solo en la zona de la calle (asfalto).

Resultados

Distorsión estimada: radial (k1), tipo barril: −0.125. En concordancia con la hipótesis de que la cámara presenta una FOV > 90°, focal 10–18 mm. Este factor generalmente captura la mayor parte de la distorsión en casi cualquier lente.

Para evaluar que tan efectiva fue la corrección de la distorsión y el ajuste de la Homografía determinamos la correspondencia imagen-mapa. 

Evaluando el ajuste del modelo

Trazamos el borde de la acera izquierda y el rayado central para evaluar el ajuste de la Homografía y la corrección de la distorsión

Imagen animada del trazado de acera y rayado

Ejecutando el monitoreo

De una cámara web desconocida a una superficie medible

Obtuvimos una solución que nos permite georreferenciar y medir a nivel del suelo. El video de la demostración muestra el monitoreo funcionando: cada vehículo queda registrado como un punto con su fecha y hora de captura, se digitaliza el espacio que ocupa, y al intersecarlo con el polígono del estacionamiento obtenemos ocupación y disponibilidad en el tiempo.

Sin embargo, el logro más destacable es haber superado condiciones adversas: sin metadatos, imagen alterada, imagen gran angular con distorsión visible. 

Y es apenas el cimiento, los temas más interesantes vienen ahora.

¿Qué sigue a continuación?

1.- Analítica visual: contando con las capas con los vehículos registrados en cada instante de tiempo, lo ideal es automatizar el cálculo de indicadores -- Cantidad de vehículos estacionados y plazas disponibles, Espacio ocupado y desocupado – y presentarlos en un tablero interactivo. Próxima publicación:

- Tablero de control para seguimiento de aparcamiento

2.- Estimar calibración: si bien, la Homografía nos permite georreferenciar, nuestro conocimiento de calibración de la cámara es escaso – punto principal y distorsión estimada -, utilizando técnicas fotogramétricas podemos determinar los extrínsecos e intrínsecos restantes.

3.- Imágenes orientadas: con la calibración completa, llevamos el video a imágenes orientadas y habilitamos mediciones en tres dimensiones, no solo sobre el plano del suelo.

4.- Integración con Inteligencia Artificial (IA): podemos aplicar modelos IA para:

• Automatizar completamente el proceso de captura continua mediante modelos de computación visual. Como los presentados en estos artículos: Detección de objetos con Faster RCNN en QGIS, Segmentación semántica en QGIS, ArcGIS DeepLearning Studio
• Estimar profundidades y generar nube de puntos 3D. En esta publicación se presenta un modelo de reconstrucción 3D especialmente ambicioso: Meta Map Anything.

1.- Analítica visual: contando con las capas con los vehículos registrados en cada instante de tiempo, lo ideal es automatizar el cálculo de indicadores -- Cantidad de vehículos estacionados y plazas disponibles, Espacio ocupado y desocupado – y presentarlos en un tablero interactivo. Próxima publicación:

Otras potenciales aplicaciones

Este procedimiento podemos aplicarlo para innumerables escenarios y objetivos, por ejemplo, sobre el video que estamos utilizando podríamos registrar:

• El tráfico
• Transeúntes
• Cobertura arbórea
• Detalles de infraestructura

Y esto es solo una cámara. La misma metodología se puede replicar en cualquier transmisión: multiplícalo por las miles que ya existen y tienes una red de medición esperando ser aprovechada.

¿En qué contexto aplicarías esta metodología?