Deep Learning 23.01.2020, 07:01 Uhr

Mit Echtzeit-Bildgebung um die Ecke sehen

Deep Learning lässt sich in Teilen mit künstlicher Intelligenz vergleichen. Forscher nutzten diese Methode, um ein neues laserbasiertes System zu entwickeln, das Bilder um Ecken in Echtzeit erstellen kann.

Autos auf einer Kreuzung

Kreuzungen bergen ein gewisses Gefahrenpotenzial für die verschiedenen Verkehrsteilnehmer. Forscher wollen mit einer neuen Methode des "um die Ecke Sehens" Gefahren sichtbarer machen.

Foto: panthermedia.net / serrnovik

Dieses laserbasierte System, das Wissenschaftler der Princeton University, der Southern Methodist University und der Rice University gemeinsam konstruiert haben, könnte beispielsweise in selbstfahrenden Autos eingesetzt werden. Damit sei es dem Fahrzeug möglich, sich an stark befahrenen Kreuzungen „umzusehen“. So könnten Gefahren oder Fußgänger frühzeitig erkannt werden. Auf Satelliten oder Raumfahrzeugen installiert, wäre es zudem denkbar, zum Beispiel Bilder in einer Höhle auf einem Asteroiden aufzunehmen.

Innerhalb des laserbasierten Systems setzen die Forscher auf sogenanntes Deep Learning. Das ist ein Teilbereich des Machine Learning, das in der IT-Branche als Oberbegriff für die künstliche Generierung von Wissen aus Erfahrung steht. Im Deep Learning werden neuronale Netze und große Datenmengen genutzt. Sie sind die gängigste Trainingsmethode, um künstliche Intelligenz herzustellen. Dazu imitiert man die Funktionsweise des menschlichen Gehirns. Das Ergebnis: Das System ist in der Lage, eigene Prognosen oder Entscheidungen zu treffen.

System erkennt winzige Objekte auf einen Meter Entfernung

„Im Vergleich zu anderen Ansätzen bietet unser Bildgebungssystem ohne Sichtverbindung einzigartig hohe Auflösungen und Bildgebungsgeschwindigkeiten“, sagt Christopher A. Metzler, Leiter des Forschungsteams der Stanford University und der Rice University. „Diese Attribute ermöglichen Anwendungen, die sonst nicht möglich wären, wie das Lesen des Kennzeichens eines versteckten Autos während des Fahrens oder das Lesen eines Abzeichens, das von jemandem getragen wird, der in einer Kurve auf der anderen Straßenseite läuft.“ Metzler und seine Kollegen schufen ein System, das Details eines versteckten Objekts im Submillimeterbereich auf einen Meter Entfernung unterscheiden kann. Der Fokus des Systems liegt auf besonders kleinen Objekten, die es mit einer sehr hohen Auflösung abbildet. Es lässt sich zudem mit anderen Bildgebungssystemen kombinieren, die auch raumgroße Rekonstruktionen mit niedriger Auflösung erzeugen. „Die Bildgebung ohne Sichtverbindung findet wichtige Anwendungsbereiche in der medizinischen Bildgebung, Navigation, Robotik und Verteidigung“, sagt Felix Heide von der Princeton University. „Unsere Arbeit ist ein Schritt in Richtung eines Einsatzes in einer Vielzahl solcher Anwendungen.“

Das beschriebene System verwendet einen gewöhnlichen Kamerasensor und eine leistungsstarke Laserquelle. Sie ähnelt der eines handelsüblichen Laserpointers. Der Laserstrahl wird von einer sichtbaren Wand auf das versteckte Objekt und wieder zurück auf die Wand geworfen. Dabei ergibt sich ein sogenanntes Interferenzmuster, das die Forscher auch als Speckle-Muster bezeichnen. Es codiert die Form des versteckten Objekts. Als nächstes muss nun das versteckte Objekt aus dem Speckle-Muster rekonstruiert werden. Das erfordert eine besondere Rechenlösung. Die Echtzeit-Bildgebung benötigt kurze Belichtungszeiten. Dabei entsteht allerdings sehr viel Rauschen, was für die eingesetzten Algorithmen von Nachteil ist. Als Lösung dieses Problems nutzen die Forscher Deep Learning.

Verfahren benötigt keine teuren Experimente

„Im Vergleich zu anderen Ansätzen für die Bildgebung ohne Sichtverbindung ist unser Deep-Learning-Algorithmus wesentlich robuster gegenüber Rauschen und kann daher mit viel kürzeren Belichtungszeiten arbeiten“, sagt die ebenfalls beteiligte Wissenschaftlerin Prasanna Rangarajan von der Southern Methodist University. „Durch die genaue Charakterisierung des Rauschens konnten wir Daten synthetisieren, um den Algorithmus zu trainieren und das Rekonstruktionsproblem mithilfe von Deep Learning zu lösen, ohne teure experimentelle Trainingsdaten erfassen zu müssen.“ Für ihr Testumfeld nutzten die Wissenschaftler Bilder mit einem Zentimeter große Buchstaben und Zahlen. Diese verbargen sie hinter einer Ecke. Dabei verwendeten sie einen Bildaufbau, der etwa einen Meter von der Wand entfernt war. Eine Viertelsekunde lang dauerte die Belichtung, wobei Rekonstruktionen mit einer Auflösung von 300 Mikrometern erstellt wurden.

Dieses Forschungsprojekt gehört zum Programm der Forschungsagentur des US-Verteidigungsministeriums (DARPA). Es beschäftigt sich durch Ausnutzung aktiver Lichtfelder, um die Sichtbarkeit zu verbessern und schließlich versteckte Objekte um Ecken abbilden zu können. Die Wissenschaftler wollen das System noch weiterentwickeln, um es für mehr Anwendungen einsetzen zu können. Dafür planen sie, das Sichtfeld zu erweitern, damit auch größere Objekte dargestellt werden können.

Mehr zum Thema künstliche Intelligenz

Stellenangebote im Bereich Softwareentwicklung

BRÜGGEN ENGINEERING GmbH-Firmenlogo
BRÜGGEN ENGINEERING GmbH Softwareentwickler (m/w/d) / Softwaretester (m/w/d) Raum Heidelberg
BRÜGGEN ENGINEERING GmbH-Firmenlogo
BRÜGGEN ENGINEERING GmbH Softwareentwickler (m/w/d) / Softwarearchitekt (m/w/d) C# Mannheim
FERCHAU GmbH-Firmenlogo
FERCHAU GmbH Fachinformatiker (m/w/d) Anwendungsentwicklung Dortmund
SEW-EURODRIVE GmbH & Co KG-Firmenlogo
SEW-EURODRIVE GmbH & Co KG Softwareentwickler Steuerungstechnik (w/m/d) Bruchsal
RICHARD WOLF GmbH-Firmenlogo
RICHARD WOLF GmbH Gruppenleiter (m/w/d) Softwarevalidierung Knittlingen
in-tech GmbH-Firmenlogo
in-tech GmbH Informatiker als Softwareentwickler C#/.Net für industrielle Systeme (m/w/d) Garching bei München, München
Modis GmbH-Firmenlogo
Modis GmbH Softwareentwickler (m/w/d) Medizintechnik Mannheim
ibg Prüfcomputer GmbH-Firmenlogo
ibg Prüfcomputer GmbH Softwareentwickler (m/w/d) Ebermannstadt
Porsche AG-Firmenlogo
Porsche AG Planer (m/w/d) Systemintegration / SW-Absicherung Zuffenhausen
Hitachi Automotive Systems Europe GmbH-Firmenlogo
Hitachi Automotive Systems Europe GmbH System Ingenieur MES / BDE (m/w/d) Roßwein

Alle Softwareentwicklung Jobs

Top 5 IT & T…

Zu unseren Newslettern anmelden

Das Wichtigste immer im Blick: Mit unseren beiden Newslettern verpassen Sie keine News mehr aus der schönen neuen Technikwelt und erhalten Karrieretipps rund um Jobsuche & Bewerbung. Sie begeistert ein Thema mehr als das andere? Dann wählen Sie einfach Ihren kostenfreien Favoriten.