Studenten entwickeln Lernalgorithmus für selbstfahrende Fahrzeuge

×

Während länger andauernde Baumaßnahmen bereits heute in Navigationsgeräten kartographiert sind, muss ein selbstfahrendes Fahrzeug künftig auch in der Lage sein, unvorhergesehene Tagesbaustellen möglichst früh zu erkennen und den Fahrer entsprechend zu warnen. Die Master-Studenten Martin Thümmel und Felix Schneider haben dafür am Lehrstuhl für Digitale Bildverarbeitung von Professor Dr. Joachim Denzler an der Friedrich-Schiller-Universität Jena einen Lernalgorithmus programmiert. In diesem verbinden sie aktuelle Methoden der digitalen Bildverarbeitung und des maschinellen Lernens mit ihren eigenen Ideen.

Gewinner der AICO Continental Challenge

Für ihre Entwicklung wurden die Studenten bei der AICO Continental Challenge mit dem ersten Platz geehrt. AICO ist ein vom Automobilzulieferer Continental international ausgelobter Algorithmus-Design-Wettbewerb für Nachwuchswissenschaftler und Studierende, die sich der Bildverarbeitung, maschinelles Lernen und Mustererkennung widmen. Der Wettbewerb soll die Möglichkeit bieten, Anwendungen für Fahrerassistenzsysteme auf Basis von visuellen Informationen zu erstellen. Alle Teilnehmer wurden mit einem Datensatz und Videodaten einer serienmäßig hinter der Frontscheibe eines Fahrzeuges montierten Kamera ausgestattet. Aufgabe war es, einen Bildverarbeitungsalgorithmus zu entwickeln, der die beweglichen Tagesbaustellen - mobile Absperrtafeln und Pylonen (Verkehrsleitkegel) - frühzeitig erkennt.

Den ersten Platz haben sich Thümmel und Schneider auch deshalb sichern können, weil ihr Algorithmus jede der zehn Baustellen im Test erkannt hat und das entwickelte System schon heute in Fahrerassistenzsystemen moderner Fahrzeuge eingesetzt werden könnte.

Bildverarbeitung und maschinelles Lernen verbinden

Dafür haben die Studenten unter anderem viele verschiedene Bilder von mobilen Warntafeln und Pylonen zu einem Datensatz zusammengetragen. "Ein Vorteil für uns war, dass in Deutschland diese Schilder und Pylonen und sogar der Aufbau auf der Straße genormt sein müssen, sodass zumindest theoretisch alle Baustellen ein einheitliches Bild abgeben", erklärt Thümmel. So sei das Fahrzeug nicht nur in der Lage, die Baustelle als solche zu erkennen, sondern dank der genormten Größen der Absperrtafeln und Leitkegel könne auf die Distanz von ihnen zum Fahrzeug geschlussfolgert werden. Das System der beiden FSU-Studenten soll das erste Mal bei etwa 80 Metern vor der Baustelle anschlagen.

Um die Erkennung robuster zu machen, haben sie zudem zwei Verfahren angewendet. Nur wenn beide einig seien, dass es sich um eine Baustelle handelt, detektiert das System diese auch. "Mit den Methoden der 3-D-Rekonstruktion verhindern wir Fehler, die zum Beispiel auftreten, wenn die Lichtverhältnisse schlecht sind oder wenn die Ladeklappe eines Lkw der Form eines Warnschildes ähnelt", erläutert Schneider. Einen Notfallmechanismus hätten die beiden Studenten mitbedacht. Der Mechanismus reagiere dann, wenn die Baustelle nicht der Norm entspricht und etwa Pylonen fehlen oder der Abstand zwischen ihnen zu groß ist. Auf welcher Fahrspur sich die bewegliche Baustelle befände, sei für das System irrelevant. Darüber hinaus sei es in der Lage, die Geschwindigkeit des Fahrzeugs zu schätzen und so eine Vorhersage darüber zu treffen, wann etwa die nächste Pylone erscheinen müsste.

Auf einer Tagung am Bodensee, zu der Continental die AICO-Challlenge-Gewinner eingeladen hat, soll nun darüber entschieden werden, wie ihr Algorithmus den Weg in die praktische Anwendung finden könnte.