13.02.2017

Die denkende Kamera

Ein Hindernis auf der Straße zu erkennen, ist für die Kameras heutiger Fahrer-Assistenz-Systeme kein Problem. Zu erfassen, um was genau es sich dabei handelt, hingegen schon. Wissenschaftler der Hochschule Ravensburg-Weingarten entwickeln derzeit eine neuartige 3D-Kamera, die Objekte sicher und eindeutig identifizieren können soll.

Gefördert wird das Projekt vom Bundesministerium für Bildung und Forschung (BMBF).

Hochmoderne 3D-Kameras, die bisher draußen eingesetzt werden, müssen unabhängig von der Wetterlage – und vor allem bei den verschiedensten Lichtverhältnissen – funktionieren. „Große Pixel und somit eine geringe Auflösung sind die Nachteile“, erklärt Professor Dr. Jörg Eberhardt, der das Forschungsprojekt leitet. Um allerdings erkennen zu können, ob es sich bei dem Hindernis auf der Straße zum Beispiel um einen Menschen oder eine Mülltonne handelt, ist eine eindeutige Identifizierung nötig.

Optik trifft auf künstliche Intelligenz



Zwei Arbeitsgruppen der Hochschule Ravensburg-Weingarten entwickeln im Rahmen des Forschungsprojekts SMART3D eine 3D-Kamera, die dazu in der Lage sein soll. Das Team um Professor Eberhardt und der akademischen Mitarbeiter Henrik Lietz und Christoph Wiedemann ist für die Optik und Hardware zuständig. Sie entwickeln und bauen eine Kamera, die zwei Eigenschaften in einem Gerät vereint: die hohe Auflösung der 2D-Technologie und die präzise Objekterkennung einer 3D-Kamera. Eine eigens von den Weingartener Forschern entwickelte Software macht dieses Zusammenspiel, die sogenannte Datenfusion, möglich. Unterstützt werden die Wissenschaftler vom in der Region ansässigen Sensorspezialisten ifm.

In einem nächsten Schritt folgt die Verarbeitung der hochaufgelösten 3D-Daten: Hier kommen Professor Dr. Wolfgang Ertel und der akademische Mitarbeiter Markus Schneider ins Spiel. Beide forschen im Bereich der künstlichen Intelligenz und arbeiten mit einer Methode, die sich „Deep Learning“ nennt. Vereinfacht gesagt, bringt dieses Verfahren der 3D-Kamera das Denken bei. „Diese Methode ermöglicht, dass die Objekte auf den hochaufgelösten 3D-Bildern automatisch klassifiziert werden können“, erklärt Ertel. Ob es sich bei dem Hindernis auf der Straße um einen Menschen oder eine Mülltonne handelt, könne so zweifelsfrei festgestellt werden.

(Quelle: idw)


(Bildquelle: Simone Müller, HS Ravensburg-Weingarten)