Erfassung, Fusion und Positionierung, automatisierte Interpretation von 3D Daten
© Fraunhofer IPM
Fraunhofer IPM deckt die komplette Prozesskette der 3D-Datenerfassung ab: von robusten Laserscannern zur Erfassung von 3D-Strukturen bis hin zur Interpretation und Visualisierung von 3D-Daten.

Zustandsmonitoring generiert große Datenmengen

Automatisierte Objekterkennung beschleunigt den Auswerteprozess.

© Fraunhofer/Ines Escherich
»Joseph-von-Fraunhofer Preis 2019«: Prof. Dr. Alexander Reiterer (2.v.l.), Dr. Katharina Wäschle (M.) und Dominik Störk (2.v.r.) von Fraunhofer IPM erhalten die Auszeichnung aus den Händen von Jurymitglied Prof. Dr. Gerd Müller (l.) und Prof. Dr.-Ing. Reimund Neugebauer (r.), Präsident der Fraunhofer-Gesellschaft.

Fraunhofer-Preis 2019

Ein Team von Fraunhofer IPM wurde für seine Entwicklung einer vollautomatisierten Datenauswertung und Objekterkennung ausgezeichnet. Die Software beschleunigt die Infrastrukturplanung erheblich.

mehr Info

Automatisierte Dateninterpretation

Automatisierte Interpretation von 3D- und Bilddaten

Für viele Vermessungsaufgaben und das Zustandsmonitoring werden heute leistungsfähige Kameras oder Laserscanner eingesetzt. Diese liefern hochaufgelöste Bilder bzw. sehr präzise, georeferenzierte Messdaten. Die Interpretation dieser Daten geschieht in der Regel manuell. Fortschritte in der künstlichen Intelligenz ermöglichen den Einsatz innovativer Techniken und Algorithmen, mithilfe derer sich der Auswerteprozess automatisieren lässt.

Die Auswertung der 3D-Daten übernehmen inzwischen komplexe Lernalgorithmen, die auf dem Konzept des »Deep Learning« mit künstlichen neuronalen Netzen (KNN) basieren. Diese Algorithmen sind den klassischen Methoden der Objekterkennung mittlerweile deutlich überlegen. Noch vor wenigen Jahren sah das anders aus: Das Training solcher Algorithmen dauerte Wochen oder gar Monate. Heute ist dieser Prozess dank massiver Parallelisierung in wenigen Stunden möglich. Die Auswertung neuer Datensätze auf Basis eines trainierten KNN erfolgt dann sogar in Echtzeit. In KNN durchläuft die eingespeiste Information eine Vielzahl miteinander verknüpfter künstlicher Neuronen, wird verarbeitet und an weitere Neuronen weitergegeben. Mithilfe manuell annotierter Trainingsdaten werden für bestimmte Eingangsmuster zugehörige Ausgabemuster erlernt. Auf Basis dieser »Erfahrungswerte« können neuartige Eingangsdaten dann in Echtzeit analysiert werden. Dabei erweisen sich KNN als sehr robust gegenüber Variationen charakteristischer Farben, Kanten oder Formen.

 

Verkehrs-Infrastruktur

 

Zustandsmessdaten objektiv und zuverlässig analysieren

 

Strukturmerkmale

 

Schadensmerkmale in Daten automatisiert erkennen

Weitere Informationen

 

Pressemitteilung / 26.7.2021

»KI-Champions BW«: Fraunhofer IPM ausgezeichnet

Ein neuartiges Planungstool nutzt Methoden der künstlichen Intelligenz, um 3D-Umgebungsdaten automatisiert zu interpretieren und daraus intelligente Planungskarten zu generieren. Für die Entwicklung wurde das Forschungsteam nun im Wettbewerb »KI-Champion Baden-Württemberg« ausgezeichnet.

 

KI-Innovationswettbewerb

Projekt GOSAIFE

KI-basierte Sicherheitsinformationen für Navigationssysteme bereitstellen: Das ist das Ziel des Projekts GOSAIFE. Dazu werden Kamerabilder mittels KI ausgewertet, Objekte und Situationen wie Straßenschäden, Menschenansammlungen oder gefährliche Kreuzungen automatisch erkannt und nach dem damit verbundenen Risiko klassifiziert.

 

KI-Innovationswettbewerb

3D-Hydra: KI-basierte Objekterkennung für Überflutungs-
simulationen

Im Projekt 3D-Hydra entsteht ein automatisierter Prozess zur 3D-Objekterkennung in Drohnendaten. Die KI-basierte Dateninterpretation der Punktwolken liefert ein hochaufgelöstes 3D-Modell, das Überflutungsberechnungen in Zukunft genauer und effizienter machen soll.  

 

KI-Leuchtturmprojekte des BMU

I4C – Intelligence for
Cities

Im Projekt I4C entwickeln wir gemeinsam mit einem Team der Universität Freiburg und weiterer Fraunhofer-Institute KI-basierte Strategien, mit denen sich Städte auf klimabedingte Extremwetterereignisse vorbereiten können.  

 

Projekt MobDi – Mobile Desinfektion

Form- und Material-
erkennung für
Desinfektionsroboter

Typische Anstecksobjekte identifizieren und Oberflächenmaterialien erkennen – daran arbeiten wir im Projekt MobDi. Dabei setzen wir auf optische Messtechnik kombiniert mit automatisierter Datenauswertung auf Basis von Deep Learning.

 

Fraunhofer-Initiative »Leitprojekte«

Projekt »Cognitive
Agriculture«

Seit November 2018 for­schen acht Fraunhofer-Institute an Technologien zur Digitalisierung, Automatisierung und Elektrifizierung landwirtschaftlicher Prozesse. Fraunhofer IPM entwickelt im Projekt robuste 3D-Sensoren, N2O-Sensoren auf Basis von Laserspektroskopie, multispektrale Laserscan-Verfahren sowie spezifische Tools zur Verarbeitung von Messdaten.

Fachartikel / 14.6.2018

»Wie Algorithmen unsere Welt erlernen«

Laserscanner oder Kameras zur Erfassung geometrischer Strukturen liefern immer hochwertigere 3D-Daten. Viel ungenutztes Potenzial liegt in der Interpretation dieser Daten: Wie gelingt es zukünftig, mehr Informationen auf möglichst effiziente Weise aus den Daten zu gewinnen und nutzbringend zu visualisieren? Der Beitrag beschreibt den Stand der Technik bei der automatisierten Auswertung von 3D-Daten mithilfe von lernenden Algorithmen, die auf dem Konzept des »Deep Learning« beruhen.

 

Whitepaper

Building and construction surveying with laser scanning technology

Automatisierte Objekterkennung von 3D-Daten, Datenerfassung aus der Luft, Sensorkonzept zur umfassenden Tunnelvermessung.

Tim Höttges präsentiert das »T-Car « auf der Hauptversammlung der Deutschen Telekom 2021

Die »T-Cars« haben Messtechnik von Fraunhofer IPM an Board und vermessen Straßenzüge für den Glasfaserausbau. Die Auswertung der Messdaten erfolgt mithilfe von Künstlicher Intelligenz, die ebenfalls am Institut entwickelt wurde.