Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Fraunhofer IPM präsentiert »Deep Learning Framework« zur automatisierten Interpretation von 3D-Daten

22.08.2017

Die Erfassung großer Strukturen mit Kameras oder Laserscannern liefert riesige Datenmengen. Ein neu entwickeltes »Deep Learning Framework« wertet solche Bild- und 3D-Daten nun erstmals automatisiert aus. Fraunhofer IPM präsentiert das Verfahren auf der Messe INTERGEO 2017 vom 26. bis 28. September in Berlin.

Bei der Zustandserfassung von Großstrukturen wie Verkehrswegen, Bauwerken oder landwirtschaftlich genutzten Flächen fallen enorme Mengen Bild- und 3D-Daten an, die heute in der Regel manuell ausgewertet werden. Das ist zeitaufwändig und teuer.


Das »Deep Learning Framework« von Fraunhofer IPM kann eintrainierte Objekte automatisch in Echtzeit erkennen und zeigt diese per Farbmaske an (rechts).

© Fraunhofer IPM

Fraunhofer IPM ist es jetzt mit einem Deep-Learning-Ansatz gelungen, die komplexe Datenauswertung und -interpretation zu automatisieren. »Die Datenauswertung war bisher ein limitierender Faktor bei der Messung von Großstrukturen«, sagt Prof. Dr. Alexander Reiterer, verantwortlich für den Bereich Objekt- und Formerfassung am Fraunhofer IPM. »Schnelle und preiswerte automatisierte Datenauswertung wird den Einsatzbereich für die Erfassung von 3D-Daten in Zukunft deutlich erweitern«.

Echtzeitauswertung dank künstlicher neuronaler Netze

»Deep Learning« ist als Methode des »Machine Learning« ein Teilbereich der künstlichen Intelligenz und setzt auf lernende Algorithmen. Das Identifizieren und Klassifizieren von Objekten, wie beispielsweise die Gesichtserkennung in einem Bild, erfolgt anhand von Trainingsdatensätzen. Beim »Deep Learning Framework« von Fraunhofer IPM werten Lernalgorithmen nun auch 3D-Daten automatisch aus. Der Ansatz basiert auf künstlichen neuronalen Netzen (KNN).

Im Vergleich zu klassischen Methoden der Objekterkennung erweist sich das »Deep Learning Framework« als sehr viel robuster gegenüber variierenden Formen, Verdeckungen, Beschädigungen oder Ausbleichungen, wie sie für reale Szenen typisch sind. Noch vor wenigen Jahren dauerte das Training solcher Algorithmen 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.

Datenfusion: Scannerdaten plus Kamerabilder

Datenbasis für die automatisierte Objekterkennung können Kamera- oder Scannerdaten sowie auch fusionierte Daten sein. Das von Fraunhofer IPM entwickelte Framework überführt dabei die georeferenzierten Punkte der Scannerdaten zunächst in ein Rasterformat, das Tiefeninformationen enthält, und verknüpft diese dann mit den RGB-Kameradaten. Liegen hochauflösende Scannerdaten vor, so können diese im Framework direkt verwendet werden. Letztlich entscheidet immer die Aufgabe und die Art der verfügbaren Daten darüber, welcher Ansatz geeignet ist.

Fraunhofer IPM auf der INTERGEO 2017

Neben dem »Deep Learning Framework« präsentiert Fraunhofer IPM auf der Messe INTERGEO 2017 in Berlin (Stand D4.041) auch mobile Laserscanning-Systeme: Den Clearance Profile Scanner CPS zur Umgebungserfassung von Fahrzeugen aus und den Lightweight Airborne Profiler LAP, der speziell für den Einsatz auf fliegenden Plattformen entwickelt wurde.

Weitere Informationen:

http://www.ipm.fraunhofer.de/de/gf/objekterfassung-laserscanning.html »Objekt- und Formerfassung« bei Fraunhofer IPM

Holger Kock | Fraunhofer-Gesellschaft

Weitere Berichte zu: 3D-Daten Algorithmen CPS Clearance Datenauswertung INTERGEO IPM Neuronen

Weitere Nachrichten aus der Kategorie Informationstechnologie:

nachricht Intelligente Videoüberwachung für mehr Privatsphäre und Datenschutz
16.01.2018 | Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

nachricht Ein „intelligentes Fieberthermometer“ für Mikrochips
16.01.2018 | Karlsruher Institut für Technologie

Alle Nachrichten aus der Kategorie: Informationstechnologie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Ein Atom dünn: Physiker messen erstmals mechanische Eigenschaften zweidimensionaler Materialien

Die dünnsten heute herstellbaren Materialien haben eine Dicke von einem Atom. Sie zeigen völlig neue Eigenschaften und sind zweidimensional – bisher bekannte Materialien sind dreidimensional aufgebaut. Um sie herstellen und handhaben zu können, liegen sie bislang als Film auf dreidimensionalen Materialien auf. Erstmals ist es Physikern der Universität des Saarlandes um Uwe Hartmann jetzt mit Forschern vom Leibniz-Institut für Neue Materialien gelungen, die mechanischen Eigenschaften von freitragenden Membranen atomar dünner Materialien zu charakterisieren. Die Messungen erfolgten mit dem Rastertunnelmikroskop an Graphen. Ihre Ergebnisse veröffentlichen die Forscher im Fachmagazin Nanoscale.

Zweidimensionale Materialien sind erst seit wenigen Jahren bekannt. Die Wissenschaftler André Geim und Konstantin Novoselov erhielten im Jahr 2010 den...

Im Focus: Forscher entschlüsseln zentrales Reaktionsprinzip von Metalloenzymen

Sogenannte vorverspannte Zustände beschleunigen auch photochemische Reaktionen

Was ermöglicht den schnellen Transfer von Elektronen, beispielsweise in der Photosynthese? Ein interdisziplinäres Forscherteam hat die Funktionsweise wichtiger...

Im Focus: Scientists decipher key principle behind reaction of metalloenzymes

So-called pre-distorted states accelerate photochemical reactions too

What enables electrons to be transferred swiftly, for example during photosynthesis? An interdisciplinary team of researchers has worked out the details of how...

Im Focus: Erstmalige präzise Messung der effektiven Ladung eines einzelnen Moleküls

Zum ersten Mal ist es Forschenden gelungen, die effektive elektrische Ladung eines einzelnen Moleküls in Lösung präzise zu messen. Dieser fundamentale Fortschritt einer vom SNF unterstützten Professorin könnte den Weg für die Entwicklung neuartiger medizinischer Diagnosegeräte ebnen.

Die elektrische Ladung ist eine der Kerneigenschaften, mit denen Moleküle miteinander in Wechselwirkung treten. Das Leben selber wäre ohne diese Eigenschaft...

Im Focus: The first precise measurement of a single molecule's effective charge

For the first time, scientists have precisely measured the effective electrical charge of a single molecule in solution. This fundamental insight of an SNSF Professor could also pave the way for future medical diagnostics.

Electrical charge is one of the key properties that allows molecules to interact. Life itself depends on this phenomenon: many biological processes involve...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

DFG unterstützt Kongresse und Tagungen - März 2018

17.01.2018 | Veranstaltungen

2. Hannoverscher Datenschutztag: Neuer Datenschutz im Mai – Viele Unternehmen nicht vorbereitet!

16.01.2018 | Veranstaltungen

Fachtagung analytica conference 2018

15.01.2018 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

Projekt "HorseVetMed": Forscher entwickeln innovatives Sensorsystem zur Tierdiagnostik

17.01.2018 | Agrar- Forstwissenschaften

Seltsames Verhalten eines Sterns offenbart Schwarzes Loch, das sich in riesigem Sternhaufen verbirgt

17.01.2018 | Physik Astronomie

Ein Atom dünn: Physiker messen erstmals mechanische Eigenschaften zweidimensionaler Materialien

17.01.2018 | Physik Astronomie