Echtzeit-Objekterkennung mittels Neuronaler Netze für das autonome Modellfahrzeug OSCAR

Studentische Projektleitung: Marek Schütte (Informatik – Medieninformatik)

Projektteam:

• Jonas Tüpker (Informatik – Medieninformatik)
• Helena Wanscheid (Informatik – Medieninformatik)
• Nadine Weidner (Informatik – Medieninformatik)
• Jessica Wu (Informatik – Medieninformatik)

Modul: Software Engineering

Betreuer: Prof. Dr. Winfried Gehrke

In Kooperation mit dem OSCAR-Team der dafabet888官网,大发dafa888 Osnabrück

Seit 2015 nehmen Teams der dafabet888官网,大发dafa888 Osnabrück am Carolo-Cup teil. In diesem Wettbewerb stellen Studierende aus aller Welt ihre autonom fahrenden Modellfahrzeuge im Ma?stab 1:10 vor und messen sich in verschiedenen praktischen Disziplinen, die einem Vorort-Szenario nachempfunden sind. Die Fahrzeuge müssen unter anderem eigenst?ndig Vorfahrtregeln und Geschwindigkeitsbeschr?nkungen beachten, Personen an Zebrastreifen erkennen und Hindernissen ausweichen. Die theoretische Konzeption der Autos wird von Experten aus Industrie und Wissenschaft begutachtet.

Das Modellfahrzeug der dafabet888官网,大发dafa888 Osnabrück OSCAR soll zukünftig noch besser in der Lage sein, verschiedene Stra?enmarkierungen in Echtzeit zu erkennen und zu klassifizieren. Dies soll mithilfe Neuronaler Netze geschehen, einer speziellen Form der künstlichen Intelligenz. Die Funktionsweise Neuronaler Netze ist dem menschlichen Gehirn nachempfunden. Digitale Neuronen empfangen Daten von ihren Nachbarn, verarbeiten diese und leiten die Ergebnisse anschlie?end weiter. Die Kombination etlicher tausend Neuronen erm?glicht die Ausführung einer zuvor erlernten Aufgabe, wie zum Beispiel das Lokalisieren von Objekten in Bildern einer Kamera.

Im Rahmen dieses Projektes sollte die kamerabasierte Lokalisierung von Fahrbahnmarkierungen umgesetzt werden. Hierfür wurde der You-Only-Look-Once-Algorithmus (YOLO) ausgew?hlt. Dieser Ansatz basiert auf einem neuronalen Netz, welches Objekte innerhalb eines Bildes auch auf kleineren Rechnersystemen in Echtzeit lokalisieren kann, und ist daher pr?destiniert für die Aufgaben, die OSCAR zukünftig meistern muss.

Es wurden verschiedene Varianten des YOLO-Verfahrens im Hinblick auf ihre Qualit?t und die ben?tigte Rechenleistung untersucht. Durch Optimierung des YOLO-Ansatzes und das Training mit mehreren Tausend computergenerierter Aufnahmen, die unterschiedliche Fahrbahnmarkierungen enthalten, konnte eine geeignete Balance zwischen Qualit?t und Rechenleistung gefunden werden, die speziell für die herausfordernden Aufgaben des Carolo-Cups geeignet ist.

Im Wintersemester 2020/21 werden die Ergebnisse dieses Projektes in die siebte OSCAR-Generation integriert. So ist das Osnabrücker Fahrzeug OSCAR-7 rechtzeitig für die n?chste Cup-Teilnahme im kommenden Februar startklar.

Echtzeit-Objekterkennung mittels Neuronaler Netze für das autonome Modellfahrzeug OSCAR  Kurzvideo (YouTube)

Projektpr?sentation