DiFoRem: Künstliche Intelligenz hilft beim automatisierten Fahren

Der menschliche Fahrer behält die Fahrzeugumgebung wie selbstverständlich im Blick. Mit Erfahrung und Intuition kompensiert er Störungen in der optischen Wahrnehmung, z. B. aufgrund vorübergehender Verdeckung von Objekten wie Verkehrsschilder von Bäumen. Diese Fähigkeiten müssen technische Systeme für das automatisierte Fahren nachbilden, um die erforderliche hohe Güte und Verfügbarkeit von Bilddaten der Fahrzeugumgebung zu realisieren.

DiFoRem ist eine Softwarelösung, die durch den Einsatz Künstlicher Intelligenz assistiertes und automatisiertes Fahren auch bei schlechten Sichtverhältnissen unterstützt. Dazu werden in den Einzelbildern eines Videodatenstroms Bildfehler mit Hilfe neuronaler Netze in Echtzeit erkannt und rekonstruiert. Der Datenstrom mit den rekonstruierten Einzelbildern kann anschließend von weiteren Assistenzsystemen oder für das automatisierte Fahren verwendet werden und sorgt so für ein entscheidendes Plus an Funktionsverfügbarkeit und -zuverlässigkeit: Auch bei verschmutzter oder beschlagener Linse werden Objekte besser erkannt und klassifiziert. 

Unser Lösungsansatz: Die gewählte Netzarchitektur analysiert Informationen zuvor gesehener Objekte und Szenarien und erkennt durch Abstraktion grundlegende Zusammenhänge. Dies befähigt die Software, im Einzelbild verdeckte Objekte auf Basis von Erfahrungswerten aus den vorhergehenden Bildern zu rekonstruieren. Diese Fähigkeit erwirbt das neuronale Netz zuvor im Trainingsprozess durch Analyse von Millionen verschiedener Einzelbilder. Die Korrektheit der Abstraktion wird während des Trainingsprozesses ständig überprüft.

Damit erhöht DiFoRem die Verfügbarkeit und Robustheit von kamerabasierten Signalen und verbessert so die Qualität der Eingangsdaten von aktuellen Fahrerassistenzsystemen oder automatisierten Fahrfunktionen.

Gegenwärtig erfolgt eine Code-Optimierung als Voraussetzung für eine Portierung auf Embedded-Systeme, dazu wird die Echtzeitfähigkeit auf FPGAs verschiedener Hersteller untersucht. Im nächsten Schritt in Richtung Fahrzeuganwendung werden objektive Gütemaße für die Rekonstruktion erarbeitet. Diese spiegeln die spezifischen Anforderungen der nutzenden Assistenz- und Fahrfunktionen wider und finden in zukünftige Entwicklungslastenhefte für die Rekonstruktionssoftware Eingang.

Sie wollen mehr erfahren? Jacek Burger freut sich über Ihre Kontaktaufnahme.