Künstliche Intelligenz - Ein Team der TU Graz arbeitet mit dem Unternehmenspartner Qualcomm Technologies an einer Bildbeschreibung in 3D und will so Computern ermöglichen, sich in einer nicht standadisierten Umgebung zu orientieren. Gefördert wird dieses Forschungsprojekt im Rahmen eines neuen CD-Labors von Qualcomm Technologies Inc. und vom BMWFW. Foto: © Lunghammer - TU Graz

Wer sich räumlich orientieren will, muss das Wahrgenommene aus der Umgebung richtig interpretieren. Das gilt für Lebewesen ebenso wie für Roboter. Maschinen sehen heute dank modernster Kameratechnik und computergesteuerter Bilderkennungsmethoden, die Umgebung mittels zweidimensionaler Bilder. Die richtige Interpretation des Gesehenen lässt auf zweidimensionaler Ebene allerdings zu wünschen übrig, wie Vincent Lepetit vom Institut für Maschinelles Sehen und Darstellen der TU Graz erklärt: „2D-Bilder geben lediglich Informationen darüber, wo sich ein Objekt ungefähr befindet. Es ist eine flache Information ohne Angaben zur Tiefe von Objekten oder zu deren Position in Relation zu anderen Objekten. Ein Roboter weiß so zum Beispiel nicht genau, wohin er greifen soll“.

Der Sprung von 2D zu 3D

Zudem können Bilder zahlreichen Abweichungen unterliegen: Verzerrungen, Unschärfe, ungeplante Bewegungen oder die Ähnlichkeit zu anderen Objekten machen es der Maschine schwer, richtig zu sehen und zu interpretieren. Für eine Umgebungsbeschreibung in 3D reichte die verfügbare Rechenkapazität bislang nicht. „Erfreulicherweise ist die Rechnerleistung in den letzten Jahren aber rasant gestiegen, und das eröffnet uns neue Möglichkeiten in der Computer Vision“, so Lepetit. Der gebürtige Franzose ist der Leiter des neuen „Christian Doppler (CD-)Labors für semantische 3D Computer Vision“, das am Dienstag, 26. April 2016, an der TU Graz eröffnete und in den kommenden 7 Jahren an einer Bildbeschreibung in 3D arbeiten wird.

Der Roboter im täglichen Einsatz

Der Einsatz von Robotern wird im täglichen Leben sowie der industriellen Produktion immer verbreiteter. Die Forschung in diesem CD-Labor soll dazu beitragen, dass Roboter ihre Umwelt besser visuell wahrnehmen und auf Objekte reagieren können. Die hier erarbeiteten Lösungen sind ein weiterer Schritt zur Industrie 4.0 und können vielfältig genutzt werden; vom selbstfahrenden Auto bis zur Anwendung in Fabriken.

Lernmuster von Maschinen

Egal ob autonome Fahrzeuge oder roboterunterstützte Fabriken: Maschinen lernen durch Wiederholungen. Werden sie mit Daten gefüttert, können sie Muster erkennen, sich diese merken und entsprechend handeln. Das bedeutet im Umkehrschluss: Um einer Maschine etwas beizubringen, braucht es bekannte Daten. Dazu Lepetit: „Viele Dinge funktionieren heute, weil im Vorfeld eine Menge Daten generiert wurde, aus deren Wiederholung ein Roboter lernt. Sind keine Daten vorhanden, bleibt nur das mühsame händische Programmieren. Das macht Anwendungen sehr fehleranfällig und wenig flexibel.“ Statistische Methoden reichen für das dreidimensionale Sehen von Computern nicht aus. Im Rahmen des CD-Labors will die Grazer Gruppe auf maschinellem Lernen basierende Ansätze als fundamentale Bausteine für Anwendungen der 3D Computer Vision entwickeln. Nach vielversprechenden Anwendungen von 3D Computer Vision muss nicht lange gesucht werden: die roboterunterstütze Wartung in Fabriken, weit genauere Positionserkennung im Außenbereich oder weiterentwickelte Interaktionsmöglichkeiten zwischen Mensch und Maschine sind nur drei Beispiele.

Ein vernetzter Cocktail modernster Technik

Roboter brauchen eine möglichst vielfältige Datenquelle um ihre Position auch bei hoher Geschwindigkeit exakt feststellen zu können. Die Forschungsarbeit im CD-Labor für semantische 3D Computer Vision wird daher auf verschiedene Kameratypen und Sensoren zur Umgebungs- und Lageerkennung sowie auf Bewegungs- und Beschleunigungssensoren und Kompasse setzen. „Wir suchen außerdem nach Wegen einer automatisierten Positionserkennung auf Basis verfügbarer Bilddatenbanken wie Google Street View und durch Nutzung zweidimensionaler Quellen wie Landkarten und Stadtpläne“, so Lepetit.

Kontakt
Clemens ARTH
Dipl.-Ing. Dr.techn.
Institut für Maschinelles Sehen und Darstellen
TU Graz
Tel.: +43 316 873 5028
E-Mail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!

Hintergrundinformation: Qualcomm Technologies Inc.

 Das Forschungs- und Entwicklungsunternehmen Qualcomm Technologies Inc., eine hundertprozentige Tochtergesellschaft von Qualcomm Incorporated, einem in San Diego, Kalifornien ansässigen Unternehmen, wird die Grazer Wissenschafter begleitend unterstützen. Qualcomm war bereits Partner des Christian Doppler Labors für Handheld Augmented Reality, das zwischen 2008 und 2015 von Dieter Schmalstieg vom Institut für Maschinelles Sehen und Darstellen der TU Graz geleitet wurde. „Qualcomm Technologies ist stolz, bereits zum zweiten Mal als Partner in ein Zusammenarbeitsprojekt mit dem CDL eingebunden zu sein“, erklärte Serafin Diaz, Vice President Engineering bei Qualcomm Technologies, Inc. „Wir sind überzeugt, dass unsere frühere Zusammenarbeit ein Erfolg gewesen ist und zuversichtlich, dass dieses neue Christian Doppler Labor für semantische 3D Computer Vision ebenso erfolgreich sein kann. Die Ergebnisse dieses Forschungsprojekts sollen in den Bereichen Autonomes Fahren und Navigation für Roboteranwendungen zur Anwendung kommen.“

Christian Doppler Labors - CD-Labors

In Christian Doppler Labors wird anwendungsorientierte Grundlagenforschung auf hohem Niveau betrieben, hervorragende Wissenschafterinnen und Wissenschafter kooperieren dazu mit innovativen Unternehmen. Für die Förderung dieser Zusammenarbeit gilt die Christian Doppler Forschungsgesellschaft international als Best-Practice-Beispiel. Christian Doppler Labors werden von der öffentlichen Hand und den beteiligten Unternehmen gemeinsam finanziert. Wichtigster öffentlicher Fördergeber ist das Bundesministerium für Wissenschaft, Forschung und Wirtschaft (BMWFW).

Zur Website der Christian Doppler Forschungsgesellschaft

Quelle: TU-Graz