Calibration-Free Vehicle Speed Estimation: A Monocular Keypoint-Template Approach
作者: Gaofeng Su, Keya Li, Raja Sengupta, Kara M. Kockelman
分类: cs.CV
发布日期: 2026-08-17
备注: 19 pages, 7 figures
💡 一句话要点
提出无校准车辆速度估计方法以解决传统方法的局限性
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 车辆速度估计 单目视觉 无校准方法 YOLO检测 光流估计 交通安全 智能交通系统
📋 核心要点
- 现有视觉基础的车辆速度估计方法依赖于道路特征和相机校准，限制了其应用场景和灵活性。
- 本文提出了一种无校准的车辆速度估计框架，利用36个关键点的车辆模板和动态更新的单应性矩阵进行速度估计。
- 实验结果显示，经过处理后，MAE降低至11.7%和7.6%，并且在±20%误差范围内的准确率提高至85.3%和95.4%。
📝 摘要（中文）
本文提出了一种无校准框架，能够可靠有效地从单目视频中估计车辆速度，无需依赖道路特征、相机校准或基于道路特征的参考物体。该框架使用36个关键点的车辆模板和在每帧更新的单应性矩阵来估计速度。通过在多样化数据集上训练的YOLO关键点检测模块，比较了两种估计策略：仅关键点跟踪和带有密集空间聚合的扭曲光流。通过将位移投影到度量空间中来估计速度，并在超过400个视频片段上进行了验证，覆盖速度范围为30到100 mph。该方法在VS13和BrnoCompSpeed数据集上实现了可靠的速度估计，扭曲光流方法的平均绝对误差（MAE）分别为15.0%和9.7%。
🔬 方法详解
问题定义：本文旨在解决现有车辆速度估计方法对道路特征和相机校准的依赖性，这限制了其在不同环境中的应用。
核心思路：提出一种无校准的框架，通过使用36个关键点的车辆模板和动态更新的单应性矩阵来实现车辆速度的估计，从而提高了方法的灵活性和适用性。
技术框架：整体架构包括关键点检测模块（基于YOLO）、速度估计模块（使用单应性矩阵进行位移投影）和两种估计策略（关键点跟踪与扭曲光流）。
关键创新：最重要的创新在于无校准的速度估计方法，利用动态更新的单应性矩阵来克服传统方法的局限性，显著提高了速度估计的准确性和可靠性。
关键设计：关键参数包括36个关键点的选择，YOLO模型的训练数据多样性，以及在速度估计中采用的扭曲光流方法和密集空间聚合策略。实验中还对边缘帧的异常值进行了10%的修剪，以提高性能。
🖼️ 关键图片
📊 实验亮点
实验结果显示，扭曲光流方法在VS13和BrnoCompSpeed数据集上分别实现了15.0%和9.7%的平均绝对误差（MAE），并且在±20%误差范围内的准确率达到了77.9%和93.1%。经过边缘帧异常值修剪后，MAE进一步降低至11.7%和7.6%，准确率提升至85.3%和95.4%。
🎯 应用场景
该研究的潜在应用领域包括交通监控、智能交通系统和公民交通安全执法。通过使用便携设备如行车记录仪和智能手机，该方法能够实现低成本、高效的速度执法，促进交通安全。未来，随着技术的进一步发展，该方法可能会被广泛应用于各种交通管理场景。
📄 摘要（原文）
This paper proposes a calibration-free framework for reliably and effectively estimating vehicle speeds from monocular videos, without relying on roadway features, camera calibration, or roadway-feature-based reference objects. The proposed framework estimates vehicle speeds using a 36-keypoint vehicle template and a homography matrix updated at each frame. A YOLO-based keypoint detection module is trained on diverse datasets, and two estimation strategies are compared: keypoint-only tracking and warped optical flow with dense spatial aggregation. Speed is estimated by projecting displacements into metric space using the homography, with validation conducted on over 400 video clips from roadside and overhead datasets, covering speeds from 30 to 100 mph. The method achieves reliable speed estimation on the VS13 and BrnoCompSpeed datasets, with the warped optical flow method delivering MAEs of 15.0% and 9.7%, respectively, and 77.9% and 93.1% of estimates falling within +/-20% error. After applying a 10% trim to remove edge-of-frame outliers, performance improves to MAEs of 11.7% and 7.6%, with within-+/-20% accuracy increasing to 85.3% and 95.4%. This work addresses key limitations of existing vision-based approaches and enables low-cost and efficient speed enforcement using portable devices such as dashcams and smartphones, thereby supporting citizen-based enforcement programs for traffic safety.