Евакуациите по време на природни бедствия като земетресения и цунами все повече разчитат на съвременни технологии за ефективна оценка на движението на тълпите в реално време и местата на струпване. Подготовката за бедствия включва разработване на оптимизирана технология, която е лесна за използване и интерпретация.
Технологията за дистанционно наблюдение LiDAR (съкратено от light detection and ranging – детектор и измерване на светлина) използва лазерни импулси за откриване на струпвания или плътност на тълпите.
Лазерът сканира хората и измерва разстоянието до тях въз основа на времето, необходимо на отразения лазер да се отрази от целта и да се върне. Отразените лазерни лъчи заедно създават 3D образ или изображение на облак от точки на целта.
Т.нар. неповтарящо се сканиране LiDAR е достъпна версия с по-широко зрително поле, в сравнение с конвенционалните LiDAR системи с висока плътност, което я прави привлекателна за мащабно използване в обществени пространства.
Самото предимство на по-широкото покритие и изображенията с ниска мощност обаче води до проблем: оскъдни и нередовни измервания. Получените изображения нямат дълбочина и непрекъснатост, което ограничава практическата полезност на системата при отчитане на потока на тълпите в реално време.
За да се справи с недостатъка, екип от японски учени предлага нов метод за възстановяване на дълбочина в разредени LiDAR изображения, насочен към наблюдение на тълпи в реално време.
Технологията може да се окаже ключова за системите за обществена безопасност в ерата на интелигентните градове. Предложеният подход използва RGB изображения като допълващ източник на информация.
Алгоритъмът комбинира двустранно филтриране с оценка на достоверността, маскирана реконструкция и самосъгласувана оптимизация на параметрите, която не изисква плътни референтни карти на дълбочината. Така се възстановяват по-непрекъснати структури, без агресивно изглаждане и без запълване на празнини с артефакти.
Съществен принос е и създаването на симулиран набор от данни, който имитира реалните ограничения на неповтарящо се сканиращ LiDAR.
Изследователите използват 3D база данни за човешко движение с плътни карти на дълбочина и съответстващи цветни изображения. Върху тях се прилага симулация на реалния механизъм на въртене и сканиране, за да се генерират разредени и неравномерни входни данни.
Методът е валидиран върху 30 000 симулирани проби. Отчетена е по-висока точност на реконструкцията и по-добра структурна консистентност спрямо класическите филтриращи техники.
Изчислителната рамка остава относително лека, което е критично за системи, работещи в реално време при кризисни ситуации.
Съществуват и ограничения. Зависимостта от цветни изображения прави резултатите чувствителни към осветеност, наситеност, размазване при движение и несъответствия между сензорите.
Предстои методът да бъде тестван с реални данни от терен, преди да се интегрира в оперативни системи за динамично насочване при евакуация.
С разширяващото се внедряване на LiDAR в инфраструктурата на интелигентните градове подобни алгоритми стават стратегически важни. Те не просто подобряват визуализацията. Те могат да определят как се вземат решения в критични минути, когато управлението на тълпата е въпрос на живот и смърт.
