IP1: Einbeziehung kurzfristiger räumlich-zeitlicher Informationen für die Robotersensorik

• Antragsteller: Professor Dr. Christopher McCool
• Fachliche Zuordnung: Pflanzenbau, Pflanzenernährung, Agrartechnik ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459376902

Roboterplattformen im Garten- und Pflanzenbau sind darauf ausgelegt, eine Umgebung kontinuierlich zu durchqueren, um Aufgaben zu automatisieren. Der Schlüssel zur Erledigung dieser Aufgaben sind die Algorithmen für die Bildverarbeitung des Roboters, die die Szene interpretieren können. Trotz der beeindruckenden Leistung, die von bildverarbeitungsbasierten Segmentierungssystemen erreicht wird, ignorieren sie im Allgemeinen, dass sich der Roboter durch eine strukturierte Umgebung bewegt und zeitliche (Video-)Daten erfassen kann. Beides sind reichhaltige Informationsquellen.Dies wird zu einer umfangreichen Quelle von Vorinformationen für die robotische Vision in einer Gartenbauumgebung, insbesondere für die Aufgabe der semantischen Segmentierung. Dies liegt daran, dass man davon ausgehen kann, dass die Szenen von (t-1) bis t relativ statisch sind und sich die Szene daher nur wenig verändert hat. Wir sollten daher in der Lage sein, den aktuellen Blickpunkt t leichter zu schätzen, indem wir die Ergebnisse des vorherigen Blickpunkts (t-1) nutzen. In der bisherigen Forschung wurden jedoch entweder die räumlichen oder die zeitlichen Informationen allein, aber nicht gemeinsam genutzt.In diesem Projekt werden wir untersuchen, wie sowohl die Entfernung, die der Roboter zurückgelegt hat (räumlich), als auch Videodaten (zeitlich) kombinieren kann, um die Leistung (Genauigkeit und/oder Robustheit) von Robotersichtsystemen zu verbessern. Diese Informationen sollen in Deep-Learning-Systeme eingebettet werden, um den Stand der semantischen Segmentierung in Gartenbauumgebungen erheblich zu verbessern.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5351: KI-FOR Automatisierung und künstliche Intelligenz zur Überwachung und Entscheidungsfindung bei Gartenbaukulturen (AID4Crops)