Die visuelle Erkennung von Verkehrsteilnehmern mittels Bildverarbeitung wird zunehmend wichtiger. Bisher wurde die exakte äußere Orientierung des Kamerasystems durch eine photogrammetrische Kalibrierung mit genau verorteten Passpunkten erreicht. Selbstkalibrierende Kamerasysteme, die Navigations-Sensorik zur Orientierungsbestimmung nutzen, haben einige Vorteile und können gerade in mobilen Anwendungsbereichen neue Türen öffnen. Gibt es die Möglichkeit, ein Kamerasystem für die Verkehrsdatengewinnung zu entwickeln, das handelsübliche Sensortechnologie verwendet und dennoch eine ähnliche Genauigkeit erreicht wie die klassische Kalibrierung? Zur Bestimmung der äußeren Orientierung kommen eine GigE-SmartCam, ein Raspberry PI, eine inertiale Messeinheit (Inertial Measurement Unit – IMU) und ein GPS-Empfänger zum Einsatz.Die IMU bestimmt die Orientierung der Kamera und der GPS-Empfänger die Position und Höhe. Die Daten werden zusammen mit den Bilddaten der Kamera an einen bildverarbeitenden Server übermittelt. Die Genauigkeit der Hoch- und Rechtswerte des GPS-Empfängers entsprechen den technischen Angaben. Die gemessene Höhe hat eine starke Abweichung zur photogrammetrisch berechneten Höhe. Diese Abweichung hat einen großen Einfluss auf die Genauigkeit der Kalibrierung. Die Orientierungswerte der IMU entsprechen der erwarteten Genauigkeit. Das System arbeitet zuverlässig und die automatische Kalibrierung ist technisch möglich.
Citizen science has expanded rapidly over the past decades. Yet, defining citizen science and its boundaries remained a challenge, and this is reflected in the literature—for example in the proliferation of typologies and definitions. There is a need for identifying areas of agreement and disagreement within the citizen science practitioners community on what should be considered as citizen science activity. This paper describes the development and results of a survey that examined this issue, through the use of vignettes—short case descriptions that describe an activity, while asking the respondents to rate the activity on a scale from ‘not citizen science’ (0%) to ‘citizen science’ (100%). The survey included 50 vignettes, of which five were developed as clear cases of not-citizen science activities, five as widely accepted citizen science activities and the others addressing 10 factors and 61 sub-factors that can lead to controversy about an activity. The survey has attracted 333 respondents, who provided over 5100 ratings. The analysis demonstrates the plurality of understanding of what citizen science is and calls for an open understanding of what activities are included in the field.