Parquery KI - Was macht unsere Smart Parking Lösung herausragend?

 

Warum funktioniert die Parquery-Lösung für jedes Fahrzeug, jede Parksituation und jede Wetterlage?

Warum sind Parquerys Lösungen so viel besser als Standardlösungen?

 

Die Smart-Parking-Lösung von Parquery nutzt Kameras und Künstliche Intelligenz (KI) zur Belegungserkennung von Parkplätzen. Die intelligenten Algorithmen laufen entweder in der Cloud oder lokal auf dem Betriebsgelände und erkennen Fahrzeuge in den Kamerabildern und bestimmen, ob die einzelnen Stellplätze belegt sind.

Die KI-Lösung von Parquery ist robust auch unter widrigen Bedingungen

Nachts, Starkregen, wenig Licht, starke Reflexionen, intensive Blendwirkung, Sichtbehinderungen.
Die Aufnahmen vom P+R Parkplatz der Schweizer Bundesbahnen (SBB CFF FFS) zeigen, wie robust unsere KI auch unter widrigen Bedingungen ist, selbst bei vielen Faktoren gleichzeitig.

Mehr zu diesem Projekt: SBB Park & Ride

Übung macht den Meister: Wie sich die KI durch Lernen anpasst

 

Die Stärke von Parquerys Lösung liegt in den innovativen Deep Neural Networks - Algorithmen für maschinelles Lernen, die das System in die Lage versetzen, sich anzupassen. Damit können die Lösungen massgeschneidert und für vielfältige Anwendungsfälle angepasst werden.

Jedwede Fahrzeuge und Objekte

 

Die KI kann jede Art von Objekt erkennen, für die sie trainiert wird.

Dazu zählen z.B. Autos, Lastkraftwagen, Busse, Züge, Motorräder, Fahrräder, Schiffe, Traktoren, Bau- oder Bergbaumaschinen, Flugzeuge, Paletten, Container, ... 

Parquery detects boats in marinas

Schiffe

Parquery detects planes in airports

Flugzeuge

Parquery detects trucks on highways

Lastwägen

Parquery detects people and vehicles on construction sites

Baumaschinen

Parquery detects pedestrians in public and private areas

Personen or Silhouetten

Alle möglichen Parkplatzsituationen

 

Jede erdenkliche Parkplatzsituation kann erlernt werden.

Ob drinnen oder draussen, Strassenparkplätze, Parkhäuser, Autobahnparkplätze für Lastwagen, Verkehrszählung, Tankstellen, Laden von Elektroautos

All Parquery needs is images from cameras, even fisheye cameras

in Parkhäusern

Parquery detects vehicles outdoors with any camera

im Freien

Parquery detects vehicles on the roadside

am Strassenrand

Parquery detects which fuel pump is available

Tankstellen

Parquery displays highway parking availability on rest areas

Autobahnparkplatz für Lastwagen

Robust gegen verschiedenste Umweltbedingungen

 

Unsere KI ist robust gegenüber verschiedensten Umweltbedingungen - über 10 Jahre Erfahrung und Trainingsdaten unter verschiedensten Bedingungen und Orten in aller Welt tragen dazu bei. 

Daumenregel: Solang wir ein Objekt oder Fahrzeug zweifelsfrei erkennen können, kann das auch die KI. 

 

Wetter

z.B. gleissender Sonnenschein, glänzender Regen, Schneebedeckung, Nebel

Parquery detects vehicles even in glaring sun

gleissende Sonne

Parquery detects vehicles even in rain

reflektierender Asphalt im Regen

Parquery detects vehicles even in fog

nächtlicher Nebel

Parquery detects vehicles even in snow

Schnee

 

Beleuchtungssituation

Unsere KI funktioniert bei Tag und Nacht, mit sichtbarem Licht oder Infrarot, natürliches oder künstliches Licht von Strassenbeleuchtung oder Scheinwerfern, gleichförmige Ausleuchtung und extreme Kontraste (z.B. grelles Sonnenlicht), wandernde Schatten. 

Parquery detects vehicles even at night

Nacht

Parquery detects vehicles even at twilight

Dämmerung: natürliches und künstliches Licht

Parquery detects vehicles even with strong contrasts

starke Kontraste

Parquery detects vehicles even with moving shadows

wandernde Schatten

Für jede Kamera und alle Objektive

 

Ob CCTV Überwachungskameras, Webcams, Fischauge, Weitwinkel oder Zoomobjektiv, stationär oder drehbar, hoch- oder niedrig-auflösend. Solange das gewünschte Objekt im Bild erkennbar ist, erkennen wir es. 

Das funktioniert auch mit Drohnen.  Mehr dazu

All Parquery needs is images from cameras, even with wide-angles

Weitwinkelobjektiv

All Parquery needs is images from cameras, even fisheye cameras

Fischaugeobjektiv

All Parquery needs is images from cameras

Normalobjektiv

Aus Fehlern wird man klug: Wie KI durch Lernen immer besser wird

 

Das System von Parquery passt sich durch sogenanntes Trainieren oder Lernen an eine neue Umgebung an - das heisst, es lernt aus seinen Fehlern - genau wie wir. Es beginnt mit einem generischen Modell, das aus einer Vielzahl von Parksituationen abgeleitet wird. Dieses Modell wird im Laufe der Zeit verfeinert und für die konkreten Gegebenheiten eines bestimmten Parkraums optimiert, indem es anhand neuer Daten trainiert wird. So gewinnt es Erfahrung und steigert die Wahrscheinlichkeit eines korrekten Ergebnisses beim nächsten Mal.

Hält die KI beispielsweise einen Pritschenwagen aufgrund des gleichförmigen Aussehens der Ladefläche fälschlicherweise für einen freien Parkplatz, übersieht es Unterscheidungsmerkmale, die zunächst nicht relevant erschienen. Durch Rückmeldung über den Fehler, Analysieren und Lernen der Nuancen identifiziert und erlernt der KI-Algorithmus ein neues Charakteristikum, das zukünftig zwischen einem leeren Parkplatz und einer leeren Ladefläche differenziert. Damit verbessert sich in der Folge die Wahrscheinlichkeit einer korrekten Unterscheidung.

Neben deutlichen Abweichungen zwischen den einzelnen Parkplatzanlagen - wie z.B. dem Grundriss, der Anordnung der Stellplätze, Sichtbehinderungen oder ob es sich um einen Innen- oder Aussenparkplatz handelt - bestehen weitere Faktoren, wie z.B. die Licht- und Wetterverhältnisse, die Art der Fahrzeuge und visuelle Verzerrungen aufgrund der Kameraoptik.

 

Empty-trailer
Empty_trailer
Empty-trailer-flatbed

Vorher: Anhänger und Pritschenwagen wurden irrtümlich als freie Flächen eingestuft.

Auffällig ist, dass das Erscheinungsbild der Ladeflächen dem der Strassenoberfläche ähnelt: Die Muster auf der Ladefläche ähneln dem Aussehen von ausgebessertem Asphalt, dem Schatten von Bäumen, Ölflecken oder Pfützen nach dem Regen.

 

Parquery trains its software to adapt to any vehicle, such as flatbeds
Parquery trains its software to adapt to any vehicle, such as empty trailers
Parquery trains its software to adapt to any vehicle, such as trailers
Parquery trains its software to adapt to any vehicle, even flatbeds

Nach der Umschulung: Das System erkennt Pritschenwagen ohne Merkmale korrekt, unabhängig davon, wo sie geparkt sind, und mit verschiedenen Kameraperspektiven.

Von gut zu ausgezeichnet

 

Im Regelfall liegt die sofortige Erkennungsgenauigkeit der lernfähigen Lösung von Parquery bei etwa 95 % vor der Anpassung an den konkreten Parkraum. Der Fehler von 5 % betrifft nicht erkannte Fahrzeuge (so genannte falsche Negative) und leere Parkbuchten, die als besetzt interpretiert werden (falsche Positive). Im Laufe des ersten Monats sammelt und annotiert Parquery die Bilddaten des Parkplatzes, um daraus das Lernmaterial für die KI-Algorithmen zu erstellen.

Am Ende des ersten Monats erreicht Parquery eine Genauigkeit von 99 % dank des Trainings und der Anpassung der Algorithmen an die Gegebenheiten des jeweiligen Parkplatzes.

Die echte Welt folgt keinem mathematischen Modell

 

Die physische Welt ist vielfältig und folgt keinen starren Normen, abstrakten Regeln und theoretischen Modellen.

Das System von Parquery ist für genau diese Welt entwickelt worden: Das heisst, es ist robust und arbeitet mit Unvollkommenheiten, Abweichungen, Versäumnissen oder Veränderungen.

Nicht alle Fahrer befolgen Bodenmarkierungen, sondern parken quer oder diagonal über mehrere Plätze hinweg. Manche Fahrzeuge sind zu gross, um in eine einzige Parklücke zu passen und ragen darüber hinaus oder nutzen mehrere Stellplätze. Baumkronen, überhängende Dächer oder grössere Lastwagen können andere Fahrzeuge teilweise vor der Kamera verbergen. Am Rande ihres Sichtfeldes erfassen die Kameras Parkplätze möglicherweise nur unvollständig.

Parquery detects vehicles even if they are parked across
Parquery detects vehicles even if they are not inside marked areas
Parquery detects vehicles even if they are parked diagonally
Parquery detects vehicles even if they are wrongly parked
Parquery detects vehicles even if they are parked slightly askew
Parquery detects vehicles even if they are diagonal to the spot
Parquery detects vehicles even if they are parked over two spots
Parquery detects vehicles even if they are not parked fully in the spot

Die Algorithmen von Parquery erkennen Fahrzeuge, egal ob sie nicht vollkommen korrekt, schräg oder quer eingeparkt sind, oder über die Begrenzungen hinausragen.

Parquery detects vehicles even if they are parked across two spots
Parquery detects vehicles even if they are parked over three spots
Parquery detects vehicles even if the flatbed is across two spots
Parquery detects vehicles even if trucks are across multiple spots
Parquery detects vehicles even if they are parked over four spaces

Selbst wenn die Fahrzeuge über mehrere Stellplätze hinweg geparkt sind und sich überhaupt nicht an die vorgegebenen Markierungslinien halten, funktionieren die Algorithmen von Parquery.

Funktioniert auch ohne Laborbedingungen

 

Damit das System von Parquery funktioniert, müssen weder die Kameraabdeckung noch die Parkverhalten perfekt sein. Die Algorithmen arbeiten mit unvollständigen Daten und erkennen Fahrzeugteile - sei es, dass sie von anderen verdeckt sind, von Fussgängern oder Radfahrern passiert werden, über mehrere Stellplätze geparkt sind, be- oder entladen werden oder am Rand des Kamerabildes stehen, wo sie nur zum Teil sichtbar sind.

Parquery detects vehicles even with tree occlusions
Parquery detects vehicles even with slight tree occlusions
Parquery detects vehicles even with lamp occlusions
Parquery detects vehicles even with occlusions from billboards
Parquery detects vehicles even behind construction fences

Dauerhafte (Bäume, Laternenpfähle, Werbetafeln, Strassenschilder, Dächer) oder vorübergehende Verdeckungen (Halteverbotsschilder, Baustellenzäune)

Parquery detects vehicles even behind passing buses
Parquery detects vehicles even behind large passing buses
Parquery's software can differentiate between bikes, people and vehicles
Parquery detects vehicles even behind passing cyclists
Parquery detects vehicles even with doors opened
Parquery detects vehicles even with people around
Parquery detects vehicles even when loading in the box

Partielle Sichtbehinderungen wie vorbeifahrende Reise- und Linienbusse, Lastwägen, Passanten oder Fahrradfahrer sowie Veränderungen des Erscheinungsbildes, z.B. offene Türen beim Be- und Entladen oder Einkaufswagen, beeinträchtigen die Erkennung nicht.

Gibt auch Zusatzbelastung nicht auf

 

Gleichzeitig bewältigen die Algorithmen von Parquery die Gratwanderung, robust gegenüber Rauschen und Hintergrundmustern zu bleiben, die aus dem Zusammenhang gerissenen Fahrzeugteilen ähneln können. Ölflecken, Schatten, Reflexionen, kaputte Strassenbeläge, reparierte Stellen im Asphalt, Reifenspuren, Einkaufswagen, Müll oder zurückgelassene Abfälle sind typische Beispiele für solche Situationen.

 

Parquery differentiates people from vehicles
Parquery differentiates random objects on the ground from vehicles
Parquery differentiates trolleys from vehicles
Parquery differentiates shopping carts from vehicles
Parquery differentiates cyclists from vehicles
Parquery differentiates passing cyclists from vehicles

Die Algorithmen von Parquery unterscheiden Fussgänger, Koffer, Einkaufswagen, Radfahrer etc. von Fahrzeugen.

 

Parquery’s algorithms are robust to rubbish on the ground
Parquery differentiates oil stains from vehicles
Parquery differentiates stains and tyre marks from vehicles
Parquery differentiates autumn leaves from vehicles
Parquery detects vehicles even under heavy snow

Verstreute Abfälle, Öl- und Wasserflecken, abtrocknender Regen, Reifenspuren, Herbstlaub oder Schnee führen die KI von Parquery nicht in die Irre.

 

Parquery’s algorithms are robust from rain drops
Parquery’s algorithms are robust to condensation
Parquery’s algorithms are robust to image noise, such as spider webs
Parquery’s algorithms are robust to spider webs in glaring sun
Parquery’s algorithms are robust to noise from lens flare

Parquerys Algorithmen sind auch robust gegenüber anderen typischen Problemen bei kamerabasierten Systemen: Linsenreflexionen bei Gegenlicht, Kratzern und Verunreinigungen der Kameralinse durch Staub, Regentropfen, Kondenswasser oder sogar Spinnennetzen, die das Licht einfangen und reflektieren.

 

Was sind die Bausteine von Parquerys Lösung?

Halloween: Auch die allerbeste KI kapituliert irgendwann

 

 

Kein System ist zu 100 % ausfallsicher - wenn die Kamerasicht vollständig blockiert ist, kann auch die cleverste KI dies nicht wettmachen.

Aber selbst hier: obwohl es kaum zu erkennen ist, wird ein Auto (gelber Punkt) in der abgebildeten Originalaufnahme immer noch erfasst.

 

If cameras have a blocked view, no detection is possible

Mehr als 80 Projekte in über 30 Ländern weltweit

 

Entdecken Sie unsere Referenzen