Fallstudie

Kostengünstige 3D-Objekterkennung für autonome Fahrzeuge

Wir verwendeten Stereovision und mathematische Algorithmen, um Lidar-Signale ohne Qualitätseinbußen zu simulieren

Hauptmerkmale

  • 3D-Objekterkennung

    3D-Objekterkennung

  • FAS-Integration

    FAS-Integration

  • Kosteneffizienz

    Kosteneffizienz

Branche:
Automobil
Markt:
Global
Teamgröße:
: 1 Entwickler für Computervision, 2 Entwickler für maschinelles Lernen
Technologien

CNN / NumPy / OpenCV / Python / TensorFlow / YOLO

Geschäftsherausforderung

Die rasche Entwicklung der Technologie veranlasst alle Industriezweige, insbesondere die Automobilindustrie, innovative Produkte einzuführen. Obwohl selbstfahrende Autos ein großes Potenzial haben, stehen sie immer noch vor großen Herausforderungen. Die größten stehen im Zusammenhang mit der Straßenwahrnehmung und der Kosteneffizienz. Intellias reagierte auf die Marktnachfrage und hat in autonome Antriebstechnik investiert, indem es die Objekterkennung mit Hilfe von Computervision verbessert hat.

Moderne Lösungen für selbstfahrende Autos verwenden Lidar-Hardware, um dreidimensionale Informationen über die Position von Objekten zu erhalten. Diese Hardware ist äußerst kostspielig, wird aber benötigt, um Daten in eine robuste Objekterkennungssoftware einzuspeisen. Unser Entwicklerteam für künstliche Intelligenz und maschinelles Lernen entdeckte einen kostengünstigeren Ansatz zur Erfassung derselben Daten mit Stereokameraausrüstung und einem mathematischen Algorithmus, der Lidar-Datenausgaben simuliert.

Gelieferte Lösung

Wir riefen ein F&E-Projekt ins Leben mit dem Ziel, den Einsatz von Stereovisionskameras als Alternative zu Lidar/Radar-Sensoren als primäre Datenquelle für Objekterkennungsalgorithmen zu validieren.

Unser Ansatz umfasst zwei Stufen. Die erste Stufe beinhaltet einen Algorithmus, der auf Bilder angewendet wird, die mit einem Paar kalibrierter Kameras aufgenommen wurden, um eine Disparitätskarte zu erhalten. Diese Disparitätskarte wird dann von einem anderen Algorithmus verarbeitet, der sie in eine Tiefenkarte umwandelt. Basierend auf der Tiefe und der vertikalen Brennweite erfassen wir die 3D-Position jedes Pixels. Nach Rückprojektion jedes Pixels in 3D-Koordinaten wird eine 3D-Punktewolke erfasst, die das Lidar-Signal imitiert.

Die zweite Stufe umfasst das Training bestehender Lidar-basierter 3D-Objekterkennungsleitungen direkt auf Lidar-Simulationsdatensätzen. Zu diesem Zweck kombinieren wir erste visuelle Informationen mit Lidar-ähnlichen Darstellungen, die in ein Bild aus der Vogelperspektive umgewandelt werden. Der Algorithmus setzt visuelle Merkmale und Merkmale der Vogelperspektivdarstellung in Beziehung zu 3D-Box-Vorschlägen und führt dann beide zusammen, um eine Box-Klassifizierung und Regression durchzuführen.

Eine signifikante Steigerung der Genauigkeit der bildbasierten Objekterkennung mit Deep Learning-Algorithmen wird durch die Änderung der 3D-Tiefendarstellung in eine Lidar-Simulation erreicht. Daher kann diese Lösung in FAS-Systeme in autonomen Fahrzeugen integriert werden.
Kostengünstige 3D-Objekterkennung für autonome Fahrzeuge

Dieses Projekt bewies, dass stereoskopisches Sehen in Kombination mit einem KI-basierten Algorithmus zur Objekterkennung Daten von vergleichbarer Qualität wie die von tatsächlichen Lidar/Radar-Sensoren ausgeben kann. Darüber hinaus haben simulierte Lidar-Daten den Vorteil einer höheren Signaldichte als tatsächliche Lidar-Daten, so dass die Stärken dieser Datenmodalitäten komplementär sein können.

Unternehmensergebnisse

Die auf stereoskopischem Sehen und KI/ML-Algorithmen basierende Objekterkennung trägt zum globalen Wandel im Bereich der Kartenerstellung bei. Durch die Entwicklung solcher F&E-Projekte erfüllt Intellias sein Ziel, ein technologischer Wegbereiter zu sein. Die Lidar-Simulationstechnologie verspricht, die Kosteneffizienz der Objekterkennung zu erhöhen, die der Entwicklung der Fähigkeiten selbstfahrender Fahrzeuge grundsätzlich im Wege steht. Mit diesem Ansatz ist es sehr gut möglich, dass die bildbasierte 3D-Objekterkennung für automatisiertes und autonomes Fahren auch bei Nicht-Premiumfahrzeugen zur Standardfunktionalität wird.

Die Erschwinglichkeit von selbstfahrenden Fahrzeugen könnte auch für Menschen mit Behinderungen einen Unterschied machen, indem sie einen Führerschein bekommen und keine Schwierigkeiten mehr haben, zur Arbeit zu pendeln, zum Einkaufen zu fahren und zu Arztterminen zu kommen. Sie wäre auch ein echter Wendepunkt für die gemeinsame Mobilität, da sie die Fixkosten senken und im Gegenzug die Zahl der Car-Sharing-Dienste erhöhen würde.

Die geschäftlichen Vorteile des stereoskopischen Sehens gehen über die Automobilindustrie hinaus. Auch die Robotik und die Sensorik beispielsweise können davon profitieren. Die meisten Roboter werden nach wie vor mit vorgefertigten Befehlen und Programmen betrieben. Mit 3D-Objekterkennungssoftware kann jeder Serviceroboter den Menschen bei der Durchführung gewöhnlicher Aufgaben effektiver unterstützen, indem er in der Lage ist, verschiedene Objekte wahrzunehmen, zu lokalisieren und mit ihnen zu interagieren, um so seine Bewegungen zu planen und nachhaltige Operationen durchzuführen.

Es geht nicht mehr um die Frage, ob selbstfahrende Fahrzeuge gemeinsam genutzt werden, sondern wann. Wir bei Intellias tragen dazu bei, die autonome Zukunft näher zu bringen.

Erzählen Sie uns von Ihrem Projekt

Ich stimme der Verarbeitung meiner personenbezogenen Daten zu, die im oben genannten Kontaktformular unter den Bedingungen der Datenschutzerklärung von Intellias angegeben sind. Ich möchte kommerzielle Kommunikations- und Marketinginformationen von Intellias über elektronische Kommunikationsmittel (einschließlich Telefon und E-Mail) erhalten.
* Ich stimme der Verarbeitung meiner personenbezogenen Daten zu, die im oben genannten Kontaktformular unter den Bedingungen der Datenschutzerklärung von Intellias angegeben sind.

Auszeichnungen und Anerkennungen

logo
logo
logo
logo
logo
logo

Danke für Ihre Nachricht.
Wir melden uns in Kürze bei Ihnen.

Danke für Ihre Nachricht.
Wir melden uns in Kürze bei Ihnen.