ViPRICE-2 - Visuelle Wiedererkennung von Orten in sich verändernden Umgebungen

Abstract

Der vorliegende Schlussbericht fasst die Ergebnisse des Projekts ViPRICE2 zusammen. Ziel des Projekts war die Weiterentwicklung von Methoden zur visuellen Wiedererkennung von Orten (Visual Place Recognition) in sich dynamisch verändernden Umgebungen, wie sie durch Beleuchtungsänderungen, Wetter, Jahreszeiten oder strukturelle Veränderungen entstehen.

Im Mittelpunkt stand neben der Verbesserung bestehender Verfahren hinsichtlich Performanz, Robustheit und Effizienz insbesondere die Untersuchung und Weiterentwicklung allgemeiner KI-Methoden zur Repräsentation und Verarbeitung visueller Information. Hierzu wurde ein umfassender Benchmark mit mehreren Datensätzen aufgebaut und bestehende Verfahren aus der Literatur implementiert und verglichen.

Im Projekt wurden verschiedene neue methodische Ansätze entwickelt. Dazu zählen insbesondere holistische und lokale Bilddeskriptoren auf Basis von Deep Learning und Hyperdimensional Computing (HDC), wobei HDC als generischer Ansatz zur robusten und effizienten Repräsentation untersucht und weiterentwickelt wurde. Ein besonderer Fokus lag dabei auf der Übertragbarkeit dieser Methoden über die konkrete Anwendung der visuellen Lokalisierung hinaus auf weitere Problemstellungen der Künstlichen Intelligenz. Ergänzend wurden sequenzbasierte Verfahren zur Nutzung zeitlicher Konsistenz sowie Methoden zur Berücksichtigung räumlicher Zusammenhänge entwickelt.

Die im Projekt erzielten Ergebnisse wurden in mehreren internationalen Publikationen veröffentlicht und bilden die Grundlage für weiterführende Forschungsarbeiten, insbesondere im Hinblick auf die Entwicklung generalisierbarer, robuster KI-Methoden für den Einsatz in dynamischen und langfristig veränderlichen Umgebungen.