Laserbasierte Szeneninterpretation in dynamischen Umgebungen

• Antragsteller: Dr. Jens Behley
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2015 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 289062648

Autonome Systeme, wie z.B. selbstfahrende Fahrzeuge, sollen in dynamischen Umgebungen mit einer Vielzahl von sich bewegenden Objekten autark agieren können. Wichtige Komponente solcher Systeme ist eine zuverlässige und effiziente Szeneninterpretation, welche aufgabenrelevante Objekte in der Umgebung lokalisiert und identifiziert, aber auch über die Zeit verfolgen kann, um so zukünftige Zustände der Umgebung prädizieren zu können. Neben bildgebenden Sensoren werden im Außenbereich vor allem dreidimensionale Lasersensoren eingesetzt, welche die Generierung von präzisen, punktweisen Entfernungsmessungen in Form von Punktwolken ermöglichen.Im Rahmen des Projekts soll ein Verfahren zur dichten Interpretation von dreidimensionalen Punktwolken mit zeitlich konsistenter Segmentierung von Objekten und gleichzeitiger Klassifikation entwickelt werden, sodass einzelne Objekte in den Laserpunktwolken eines bewegten Sensors sowohl lokalisiert als auch über mehrere Zeitpunkte hinweg konsistent verfolgt werden können. Es sollen konkret drei Teilziele für die dichte Interpretation einer Sequenz von Punktwolken verwirklicht werden: 1. Ermittlung von Korrespondenzen von Laserpunkten zwischen aufeinanderfolgenden Punktwolken, 2. Bestimmung der Eigenbewegung des Sensors auf Basis von statischem Hintergrund und unter Berücksichtigung von bewegten Objekten, und 3. semantische Interpretation der Segmentkorrespondenzen zwischen aufeinanderfolgenden Laserscans mittels eines Klassifikationsverfahrens.Basierend auf eine hierarchischen Segmentierung, welche eine grob-zu-fein Unterteilung der Punktwolke erzeugt, sollen korrespondierende Segmente zwischen aufeinanderfolgenden Laserpunktwolken identifiziert und die Posenveränderung des Sensors anhand der statischen Anteile als auch sich bewegenden Objekte bestimmt werden. Einzelne Segmente in der Hierarchie werden dann mittels einer segmentbasierten Klassifikation unter Ausnutzung der Segmentzuordnungen klassifiziert, um so zusätzliche aufgabenrelevante, aber momentan statische Objekte in der Segmenthierarchie zu identifizieren und somit die semantische Segmentierung der Szene vervollständigt. Zu jedem Zeitpunkt soll so eine Unterteilung der Punktwolke in aufgabenrelevante Objekte und statischem Hintergrund, aber auch eine lokal konsistente Bestimmung der Sensorposition ermöglicht werden.

• DFG-Verfahren: Sachbeihilfen