System warnt Autofahrer vor Tagesbaustellen
Deutsche Informatik-Studenten haben einen Lernalgorithmus entwickelt, der Baustellen aus dem Fahrzeug heraus automatisch erkennt.
Quelle: Bild: Jan-Peter Kasper, Friedrich-Schiller-Universität Jena
Die Master-Studenten Martin Thümmel (links) und Felix Schneider vom Lehrstuhl für Digitale Bildverarbeitung haben einen internationalen Wettbewerb im Bereich Automobilindustrie gewonnen.
Zahleiche Firmen arbeiten bereits an der Technik für selbstfahrende Autos. Eine der vielen Herausforderungen ist dabei die Erkennung des Umfeldes, etwa wenn auf Autobahnen eine Tagesbaustelle errichtet ist. Während länger andauernde Baumassnahmen bereits heute in Navigationsgeräten kartographiert sind, müsste ein selbstfahrendes Fahrzeug auch in der Lage sein, unvorhergesehene Tagesbaustellen möglichst früh zu erkennen und den Fahrer entsprechend zu warnen.
Warnschilder und Pylonen anzeigen
Die Informatik-Studenten Martin Thümmel und Felix Schneider von der Friedrich-Schiller-Universität Jena haben einen Algorithmus entwickelt, der das Aufspüren von Tagesbaustellen aus dem Fahrzeug heraus ermöglicht. Damit haben die Master-Studenten bei der «AICO Continental Challenge» den ersten Platz erreicht. Beim «AICO» handelt es sich um einen vom Automobilzulieferer Continental international ausgelobten Algorithmus-Designwettbewerb für Nachwuchswissenschaftler und Studierende, die sich der Bildverarbeitung und dem maschinellen Lernen mittels Mustererkennung widmen. Alle Teilnehmer erhielten die gleichen Videoaufnahmen einer hinter der Frontscheibe eines Fahrzeuges montierten Kamera. Aufgabe war es, einen Bildverarbeitungsalgorithmus zu entwickeln, der bewegliche Tagesbaustellen aufgrund der mobilen Absperrtafeln und Verkehrsleitkegel frühzeitig erkennt. Den ersten Platz haben sich Thümmel und Schneider gesichert, da ihr Algorithmus jede der zehn Baustellen im Test erkannt hat und das entwickelte System schon heute in Fahrerassistenzsystemen moderner Fahrzeuge eingesetzt werden könnte.
Ein sicheres System
Für ihren Lernalgorithmus haben die Jenaer Studenten unter anderem viele verschiedene Bilder von mobilen Warntafeln und Pylonen zu einem Datensatz zusammengetragen. «Ein Vorteil für uns war, dass in Deutschland diese Schilder, die Verkehrsleitkegel und sogar deren Aufbau auf der Strasse genormt sind, sodass zumindest theoretisch alle Baustellen ein einheitliches Bild abgeben», sagt Thümmel. Das mit dem System ausgerüstete Fahrzeug erkennt so nicht nur die Baustelle als solche, sondern kann dank der genormten Grössen der Absperrtafeln und Leitkegel auch auf die Distanz von diesen zum Fahrzeug schliessen. 80 Metern vor der Baustelle schlägt es das erste Mal Alarm.
Um ein sicheres Ergebnis zu bekommen, haben sie zudem zwei Verfahren angewendet. Nur wenn beide einig sind, dass es sich um eine Baustelle handelt, zeigt das System diese auch an. «Mit den Methoden der 3D-Rekonstruktion verhindern wir Fehler, die zum Beispiel auftreten, wenn die Lichtverhältnisse schlecht sind oder wenn die Ladeklappe eines LKW der Form eines Warnschildes ähnelt», sagt Schneider. «Ausserdem haben wir einen Notfallmechanismus mitbedacht.» Der Mechanismus reagiert dann, wenn die Baustelle nicht der Norm entspricht und etwa Pylonen fehlen oder der Abstand zwischen ihnen zu gross ist. (mgt/gd)
