LKW in Orthofotos erkennen und nach Bauart trennen: über 99 % Erkennungsrate

Wo Güterverkehr steht und in welcher Zusammensetzung, ist eine Grundlage für Verkehrs-, Flächen- und Logistikplanung: Auslastung von Rastanlagen, Stellplatzbedarf, Verkehrsaufkommen an Gewerbestandorten. Verkehrszählungen liefern Punktwerte an Messstellen, nicht ein Bild der Fläche.

Luftbilder liefern die Fläche. Sie enthalten aber nur Geometrie – die Unterscheidung nach Fahrzeugtyp muss aus der Form abgeleitet werden, und die Grenze zwischen den Typen ist die Länge.

Digitale Orthofotos von Nordrhein-Westfalen aus OpenGeodata.NRW: Vierband-Bilder mit Rot, Grün, Blau und Infrarot, 10 cm Auflösung, je Kachel ein Quadratkilometer, für das Labeln zerlegt in Ausschnitte von 100 × 100 Metern.

Aus 2.400 ausgewählten Ausschnitten wurden 2.148 gelabelt und für Training und Validierung verwendet.

Die Klassengrenze ist schlicht eine Länge. Einzel-LKW, Sattelzug und Multitrailer unterscheiden sich nicht in Farbe oder Textur, sondern in der Länge und in der Frage, ob Zugmaschine und Auflieger getrennte Einheiten sind. Ein reines Klassifikationsmodell kann das nicht leisten – die Entscheidung braucht Geometrie.

Was einem LKW ähnlich sieht. Das Modell hat gelegentlich Autos mit Anhänger und in seltenen Fällen Hauswände als LKW erkannt. Beides ist erklärbar: Ein Gespann hat dieselbe Silhouette, eine Hauswand dieselbe lange, gerade Kante. Solche Verwechslungen sind der Grund, warum eine reine Erkennungsrate ohne Betrachtung der Fehler nichts aussagt.

Fahrzeuge, die sich berühren. Auf Rastplätzen und Betriebshöfen stehen LKW dicht nebeneinander. Wo zwei Fahrzeuge aneinandergrenzen, ist die Trennung eine Entscheidung, die das Modell treffen muss, bevor gezählt werden kann.

Begrenzte Trainingsdaten. Mit gut 2.000 gelabelten Ausschnitten ist die Datenbasis für eine Aufgabe mit drei Klassen und seltenen Typen knapp – Multitrailer sind auf deutschen Straßen deutlich seltener als Sattelzüge.

Segmentierung statt Objekterkennung. Grundlage ist ein vortrainiertes TernausNet-16, feinjustiert auf die Orthofotos. Das Modell klassifiziert jedes einzelne Pixel – als Hintergrund, Anhänger oder Fahrerhaus.

Die Klassifikation folgt aus der Geometrie. Erst aus der Kombination von Fahrerhaus und Anhänger und deren Ausdehnung ergibt sich die Zuordnung zu Einzelfahrzeug, Sattelzug oder Multitrailer. Damit ist die Klassenentscheidung nachvollziehbar und korrigierbar – anders als bei einem Modell, das die Klasse direkt vorhersagt.

Auswertung in ArcGIS Pro. Das trainierte Modell wurde über eine Inferenzfunktion und eine Esri-Modelldefinitionsdatei in ArcGIS Pro eingebunden – Annotation und räumliche Auswertung liegen damit in derselben Umgebung.

Über 99 % der LKW wurden erkannt, unter 10 % der Erkennungen in die falsche Klasse eingeordnet.

Die zweite Zahl ist die aussagekräftigere. Erkennen ist der leichtere Teil; die Bauart aus einem senkrechten Luftbild zu bestimmen ist die eigentliche Leistung – und dass die Fehlerquote dabei offen ausgewiesen wird, macht das Ergebnis für eine Planungsentscheidung erst nutzbar.

Die Zerlegung einer Klassenentscheidung in Teilobjekte und Geometrie – Fahrerhaus plus Auflieger plus Länge ergibt Fahrzeugtyp – ist der übertragbare Kern. Sie gilt für jede Aufgabe, in der die Klasse nicht am Aussehen hängt, sondern an Aufbau und Maß: Bautypen von Gebäuden, Anlagentypen auf Industrieflächen, Schiffsklassen in Häfen, landwirtschaftliches Gerät. Dieselbe Datengrundlage haben wir für die Erfassung von Photovoltaik-Modulen genutzt.

Zwei Dinge würden wir anders machen. Erstens die Datenmenge: Der Engpass war die Annotation, und dafür existieren heute promptbare Segmentierungsmodelle, die Fahrzeugumrisse ohne klassenspezifisches Training liefern – die Handarbeit verschiebt sich vom Zeichnen zum Prüfen. Zweitens die Fehleranalyse: Verwechslungen mit Gespannen und Hauswänden würden wir heute nicht als Restfehler berichten, sondern gezielt als schwierige Negativbeispiele ins Training geben. Was sich am Rahmen geändert hat: Amtliche Orthofotos werden häufiger und in höherer Auflösung bereitgestellt. Aus einer Momentaufnahme kann damit eine Zeitreihe werden – und die Frage nach der Auslastung einer Rastanlage über das Jahr ist wertvoller als eine Zählung an einem Tag.