• IT-Karriere:
  • Services:

Mühsame Klassifizierung von Objekten

Doch dazu ist viel Handarbeit erforderlich. Denn die aufgenommenen Bilder müssen zunächst "gelabelt" werden, damit das neuronale Netz anhand korrekter Zuordnungen lernt, welche Objekte welchem Klassifikator zugeordnet werden sollen. Daimler setzt dazu unter anderem Studenten ein, die auf den vorgelegten Straßensituationen mehr als 20 unterschiedliche Objekttypen markieren. Damit sei inzwischen auch möglich, Menschen zu erkennen, die von einem Fahrzeug verdeckt würden.

Stellenmarkt
  1. Melitta Business Service Center GmbH & Co. KG, Minden
  2. iC Consult GmbH, München

Doch das reicht beim Fahren durch eine belebte Straße mit vielen kreuzenden Fußgängern nicht aus. Dazu muss das Auto auch in der Lage sein, die Bewegungsrichtungen der Personen zu erkennen und deren Wege vorherzusagen. Auch in diesem Fall nutzen Daimler und Bosch neuronale Netze. Diese greifen auf das Originalbild zurück und werten solche Objekte aus, die als Fahrradfahrer oder Fußgänger klassifiziert wurden. Weitere neuronale Netze analysieren auf Basis der gefundenen Objekte noch Verkehrszeichen und Ampelzustände.

Neuronale Netze für verschiedene Aufgaben

Das neuronale Netz für "schwächere Verkehrsteilnehmer" wurde dann so trainiert, dass es die Körperhaltungen der Fußgänger erkennt und daraus einen Vektor für die mögliche Bewegung bestimmt. Dazu wertete Daimler nach eigenen Angaben einen Datensatz von 50.000 Bildern aus, der in ganz Europa erhoben wurde. Auch in diesem Fall war wieder eine händische Bearbeitung erforderlich, "ein wahnsinnig hoher Aufwand", sagte ein Entwickler. Doch der Datensatz reiche noch längst nicht aus, um damit selbstfahrende Autos auf die Straße zu lassen.

Diese Interpretationen der Bildaufnahmen sagen jedoch nichts über das tatsächliche Verhalten aus. Denn ein Mensch kann schließlich auch rückwärts gehen. Hierzu vergleicht das System die Aufnahmen über eine Zeitachse, um mögliche Fehlannahmen zu korrigieren. Auf einer Testfahrt durch Immendingen funktionierte die Fußgängererkennung sehr zuverlässig. Kam es zu Fehldetektionen, wie bei Menschen auf Werbeplakaten, wurde diese unmittelbar wieder verworfen. Auch Fahrradfahrer, verdeckte oder sitzende Personen wurden gut erkannt.

Objekterkennung bei Lidar und Radar

Eine solche Klassifizierung gibt es jedoch nicht nur für Kamerabilder. Auch die Lidaraufnahmen werden durch neuronale Netze geschickt, die Objekte klassifizieren sollen. Das ist deutlich schwieriger, weil selbst teure Laserscanner nur eine Auflösung von 128 Zeilen in der Vertikalen und 0,2 Grad in der Horizontalen haben. Das heißt, ein 360 Grad-Lidar kommt pro Rundlauf theoretisch auf maximal 230.400 Datenpunkte, die neben der Entfernungsangabe noch die Intensität der Reflexion messen. Letzteres ist hilfreich, um beispielsweise reflektierende Verkehrsschilder oder Autos zu identifizieren. Nach Angaben der Entwickler lassen sich auf diese Weise ebenfalls semantische 3D-Bilder erzeugen, die Objekte klassifizieren.

Das ist inzwischen auch bei Radar-Aufnahmen gut möglich. Daimler und Bosch haben nach eigenen Angaben inzwischen 100 Millionen Radarpunkte klassifiziert, mit denen die neuronalen Netze für die Auswertung der Aufnahmen trainiert würden. Natürlich mit Hilfe von Studenten. Radarsensoren haben den Vorteil, dass sie wegen des Doppler-Effekts unmittelbar die Geschwindigkeit der detektierten Objekte messen können. Zudem liefern Radare auch bei schlechten Wetterbedingungen wie Schnee und Regen zuverlässige Aufnahmen.

Bitte aktivieren Sie Javascript.
Oder nutzen Sie das Golem-pur-Angebot
und lesen Golem.de
  • ohne Werbung
  • mit ausgeschaltetem Javascript
  • mit RSS-Volltext-Feed
 Neuronale Netze: Wie Studenten autonome Autos schlau machenFusion der Sensordaten recht langsam 
  1.  
  2. 1
  3. 2
  4. 3
  5.  


Anzeige
Spiele-Angebote
  1. 55,99€
  2. 59,99€
  3. 20,49€

PiranhA 23. Jul 2018

Das reicht doch für den Anfang schon mal. Ein Auto verlässt sich ja auch nicht alleine...

FreierLukas 21. Jul 2018

Denkt einfach immer an die bevorstehende Singularität. Ein Mensch brauch ewig um sich zu...

s33 21. Jul 2018

Ne, das stimmt schon so. Oliveeer meint wahrscheinlich die Einträge der Kovarianzmatrix...


Folgen Sie uns
       


    •  /