Back

ScenarioEye eröffnet neue Testmöglichkeiten für automatisierte Fahrzeuge durch Extraktion von Fahrszenarien aus Verkehrskameras

Gemeinsam mit der Technischen Universität München erforscht und entwickelt das KI-Startup DeepScenario in den kommenden zwei Jahren neue Ansätze, um kritische Fahrszenarien aus Verkehrskameras zu extrahieren. Ziel des Kooperationsprojekts ScenarioEye ist die Entwicklung einer skalierbaren Signalverarbeitungskette zur hochgenauen Rekonstruktion von Szenarien für das Testen und Validieren automatisierter Fahrfunktionen.

28.03.2023, Stuttgart – Zur Freigabe eines automatisierten Fahrzeugs muss dessen Sicherheit in relevanten kritischen Szenarien nachgewiesen werden. Dabei spielen insbesondere selten auftretende Edge Cases, also Grenzfälle, eine wichtige Rolle. Zur Erfassung dieser eignen sich insbesondere Verkehrskameras, da sie eine Langzeitbeobachtung des Verkehrs ermöglichen. Für die Extraktion der Szenarien aus den Aufnahmen sind neuartige Bildverarbeitungsverfahren notwendig, die die geforderte Genauigkeit einer Rekonstruktion erzielen. Genau hier setzt das Kooperationsprojekt ScenarioEye an.

Das Projekt wird im Rahmen der Innovationsinitiative mFUND mit insgesamt rund 643.000 Euro durch das Bundesministerium für Digitales und Verkehr gefördert. Dieses wird vom KI-Startup DeepScenario zusammen mit dem Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz der Technischen Universität München bearbeitet.

Entwicklung einer neuartigen Signalverarbeitungskette

Im Rahmen dieses Projekts soll eine neuartige Signalverarbeitungskette aufgebaut werden, die eine hochgenaue 4D-Rekonstruktion (3D im Raum, 1D in der Zeit) von Aufnahmen aus monokularen Verkehrskameras ermöglicht. Die daraus gewonnenen Verkehrsszenarien sollen anschließend so aufbereitet werden, dass sie in einem virtuellen Entwicklungsprozess zur Freigabe und zum entwicklungsbegleitenden Testen automatisierter Fahrfunktionen genutzt werden können.

Zu den zentralen Aktivitäten dieses Vorhabens gehört die Entwicklung von Algorithmen zur Rekonstruktion der statischen Szene, zur Kalibrierung der Kamera und zur Extraktion aller bewegten Objekten aus den Aufnahmen. Dabei wird auf neueste Verfahren der Bildverarbeitung, wie etwa Deep Learning, zurückgegriffen und diese weiterentwickelt. Die aus den Aufnahmen extrahierten Verkehrsszenarien werden abschließend so aufbereitet, dass sie zum Testen und Validieren automatisierter Fahrfunktionen in einem Simulator eingesetzt werden können.

Über die DeepScenario GmbH:

DeepScenario ist ein KI-Startup, das Lösungen für die automatisierte Videoverarbeitung und -analyse anbietet. Das Unternehmen ermöglicht einen einzigartigen Zugang zu Bewegungsdaten, um Kundenbedürfnisse in zahlreichen Märkten wie dem Transportwesen oder im Bereich der autonomen Systeme zu erfüllen. Die Lösung von DeepScenario wird bereits von weltweit führendend Unternehmen wie Audi, Bosch, oder BMW eingesetzt. Die Wurzeln des Unternehmens liegen in der mehrjährigen Spitzenforschung der Bildverarbeitung, autonomen Systeme und künstlichen Intelligenz.

Über den Lehrstuhl für Bildverarbeitung und Künstliche Intelligenz der Technischen Universität München:

Die Forschungsgruppe befasst sich mit einer Reihe von Themen aus den Bereichen Computer Vision, maschinelles Lernen und künstliche Intelligenz. Bei Computer Vision geht es um die Interpretation von Bildern. Genauer gesagt geht es darum, aus einem Bild oder einer Sammlung von Bildern auf Eigenschaften der beobachteten Welt zu schließen. Die Arbeit kombiniert eine Reihe von mathematischen Methoden, wie maschinelles Lernen insbesondere Deep Learning, Differentialgeometrie, kontinuierliche (partielle Differentialgleichungen) und diskrete (graphentheoretische) Optimierungsverfahren.

Zu den Anwendungsbereichen gehören unter anderem Robotik, autonome Systeme, Fahrerassistenz und selbstfahrende Autos, augmented Reality und bio-medizinische Datenanalyse.

Über den mFUND des BMDV:

Im Rahmen der Innovationsinitiative mFUND fördert das BMDV seit 2016 datenbasierte Forschungs- und Entwicklungsprojekte für die digitale und vernetzte Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und durch die Bereitstellung von offenen Daten auf der Mobilithek. Weitere Informationen finden Sie unter www.mFUND.de.

We use cookies to enhance your browsing experience, evaluate website usage, and serve marketing content. Visit our Privacy Policy for more information.