Objekterkennung und Vektorisierungs-Software für die Routenplanung

Abstract

Das Projekt zielte darauf ab, eine automatisierte Routenplanung und Erfassung für den Transport von Großraum- und Schwertransporte zu entwickeln. Hierbei sollten intelligente Technologien kombiniert werden, die potenzielle Hindernisse automatisiert erkennen und für eine Schleppkurvensimulation in 3D aufbereiten. Dabei werden die dafür benötigten Daten durch ein Messfahrzeug, ausgestattet mit optischen Messsystemen, eingefahren. Durch diese Technologien können potenzielle Kollisionen zwischen Straßeninfrastruktur und Transportfahrzeug automatisch erkannt werden. Um dieses Ziel zu erreichen, wurden zwei Module entwickelt: "SmartObstacle" und "SmartVec": - SmartObstacle: Dies ist ein Softwaremodul, das auf Deep-Learning-Algorithmen basiert und relevante Objekte für die Routenbewertung, wie z.B. Asphalt, Straßenschilder und Bäume, automatisch erkennt und klassifiziert. Ein zentraler Teil davon ist die semantische Segmentierung, die RGB-Pixel mit Objektklassen wie Vegetation, Bordstein oder Gebäude anreichert, die Auskunft darüber geben, um was für ein Objekt es sich handelt. Die Technologie basiert auf einem Deep Learning Ansatz, welcher die Objekte in den Bildern erkennt und diese in die dazugehörige Punktwolke projiziert. - SmartVec: Dieses Modul wandelt die semantisch angereicherte Punktwolke in ein Format um, welches durch eine 2D- und 3D-Konstruktionssoftware genutzt wird. Die Innovation liegt in der Vektorisierung von 3D-Punktwolken in das OBJ-Dateiformat. Die Vektorisierten Objekte und die Straßenoberfläche können dann für die Kollisionskontrolle in einer dreidimensionalen Simulation genutzt werden.

Das Projekt konnte signifikante Fortschritte erzielen: Eine annotierte Punktwolke ermöglichte die Ableitung der Straßenoberfläche bei minimaler Informationsdichte, jedoch ausreichend für die Vektorisierung und Simulation eines Fahrzeugs auf der modellierten Straße. Hierbei kann die Punktwolke in einem CAD-Konstruktionsprogramm geladen werden und durch die bereits vorhandenen Meshingalgorithmen vermascht werden. Objekte wurden gekonnt separiert und zu geschlossenen Einheiten mit konvexen Hüllen geformt, wodurch sie in einer 3D-Simulation zur Kollisionsdetektion mit der Infrastruktur verwendet werden können.