Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Objekterkennung in 3D-Sensordaten

Objekterkennung in 3D-Sensordaten

Gruppenbeschreibung

Gruppenbeschreibung

Die Erfassung und Analyse von 3D-Sensordaten gewinnt vor allem in solchen Anwendungsbereichen an Bedeutung, in denen ein hohes Maß an Automatisierung und Zuverlässigkeit in der Objekterkennung erforderlich ist. Beispielhafte Anwendungen sind etwa die Kollisions- und Gefahrenvermeidung für Fahrzeuge, Fluggeräte und mobile Roboter, die Erkennung und Verfolgung von Objekten im Nah- und Fernbereich, sowie das großräumige Monitoring von Umgebungen und Einsatzgebieten.

Bei der Auswertung von 3D-Daten besteht der Unterschied zur klassischen Bild­verarbeitung darin, dass die räumliche Objektgeometrie nicht rekonstruiert werden muss, sondern in den Daten unmittelbar vorliegt. Die Objekterkennung wird dadurch erleichtert, dass eine Segmentierung der 3D-Daten und eine Bewertung von Formmerkmalen unabhängig von den Beleuchtungsverhältnissen und Farbkontrasten möglich sind.

Die Gruppe Objekterkennung in 3D-Sensordaten bearbeitet dieses Thema in einem breiten Anwendungsspektrum. Hierbei werden Auswerteverfahren für gängige aber auch für prototypische 3D-Sensoren entwickelt und optimiert. Zu den vorrangig eingesetzten Sensortypen gehören vor allem Sensoren mit aktiver Beleuchtung (LiDAR-Sensoren, Laserscanner). Neben der Objekterkennung werden Daten dieser Sensoren auch zum gebietsweiten Monitoring (z. B. zur 3D-Änderungsdetektion) und zur Bereitstellung von Kontextinformationen für die Bildauswertung genutzt.


Mitarbeiter

Dr. Marcus Hebel
Björn Borgmann
Axel L. Diehm
Joachim Gehrung
Dr. Marcus Hammer


Themen und Projekte


 
3D-Objekterkennung und 3D-Tracking
Bei der 3D-Objekterkennung und dem Tracking detektierter Objekte liegt ein Forschungsschwerpunkt der Gruppe auf der Verwendung von 360°-scannenden LiDAR-Sensoren im mittleren Entfernungsbereich (ca. 2 m bis 100 m) zur fahrzeugbezogenen Gefahrenerkennung. Beispiele sind die Gefährdungsanalyse durch Detektion und Bewegungsverfolgung von Personen im eigenen Fahrzeugumfeld oder die Detektion kleiner dynamischer Objekte wie Mini-UAVs (Drohnen, Quadrocopter). Die ortsgenaue Detektion in den 3D-Daten wird auch dazu verwendet, höherauflösende Sensoren zum Tracking und zur weiteren Analyse auf Objekthinweise auszurichten.
 

 
Gebietsweite 3D-Analyse und Monitoring
Zum Monitoring städtischer Gebiete werden Methoden zur automatischen 3D-Änderungsdetektion mit Daten mobiler Laserscanner entwickelt. Anwendungen hiervon sind etwa die Erkennung von Beschädigungen oder die Gefahrenbeurteilung bei der Durchführung von Sondertransporten. Die zur Referenz­daten­erzeugung dienenden Verfahren behandeln außerdem die Kalibrierung des jeweiligen Sensorsystems, die objektbasierte Analyse und die Koregistrierung mehrerer 3D-Punktwolken. Zur Änderungsdetektion erfolgt der Vergleich aktueller 3D-Daten mit den Referenzdaten durch geländereferenzierte Selbstlokalisierung und Analyse von Raumbelegungskonflikten.
 

 
Sensorfahrzeug und Technologiedemonstrator MODISSA
Oft besteht der Bedarf an einem vielseitig einsetzbaren und konfigurierbaren Fahrzeug, das die zu Forschungszwecken nötigen Technologie- und Verfahrenstests für eine Vielzahl möglicher Sensoren und für verschiedene Einsatzszenarien erlaubt. Beim Technologieträger MODISSA (engl. Mobile Distributed Situation Awareness) handelt es sich um die IOSB-eigene Realisierung einer Experimentierplattform zur Sensorbewertung und Verfahrensentwicklung im Zusammenhang mit Aufgabenstellungen und Rahmenbedingungen von Fahrzeugschutz und fahrzeugbezogener Sicherheit, auch bei militärischen Anwendungen.
 

 
Bereitgestellte 3D-Datensätze (Testdaten, Benchmark-Datensätze)
Durch die Abteilung Objekterkennung am Fraunhofer IOSB werden Datensätze mit eigenen Messsystemen erfasst und wissenschaftlich ausgewertet. Ausgewählte 3D-Datensätze werden hier zum Herunterladen bereitgestellt und damit innerhalb der Wissenschaftsgemeinde verfügbar gemacht. Die Daten können z. B. im Bereich der 3D-Objekterkennung und der großräumigen 3D-Datenanalyse zur Verfahrensentwicklung und Verfahrensbewertung verwendet werden.
 

Ausgewählte Veröffentlichungen [mehr]

  • Gehrung, J., Hebel, M., Arens, M., Stilla, U., 2018. A voxel-based metadata structure for change detection in point clouds of large-scale urban areas. ISPRS TC II Mid-term Symposium "Towards Photogrammetry 2020". ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume IV-2, pp. 97-104. [doi: 10.5194/isprs-annals-IV-2-97-2018] [publica] [best poster award]
  • Hebel, M., Arens, M., Stilla, U., 2013. Change detection in urban areas by object-based analysis and on-the-fly comparison of multi-view ALS data. ISPRS Journal of Photogrammetry and Remote Sensing 86, pp. 52-64. [DOI: 10.1016/j.isprsjprs.2013.09.005] [publica]
  • Gordon, M., Meidow, J., 2013. Calibration of a multi-beam laser system by using a TLS-generated reference. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume II-5/W2, ISPRS Workshop Laser Scanning 2013, pp. 85-90. [DOI: 10.5194/isprsannals-II-5-W2-85-2013] [publica]
  • Hebel, M., Stilla, U., 2011. Simultaneous Calibration of ALS Systems and Alignment of Multiview LiDAR Scans of Urban Areas. IEEE Transactions on Geoscience and Remote Sensing, Volume 50, Issue 6, pp. 2364-2379, [DOI: 10.1109/TGRS.2011.2171974] [publica]

Abgeschlossene Abschlussarbeiten

  • Adam, E., 2015. Personendetektion in 3D-Punktwolken. Masterarbeit, Fakultät Elektrotechnik und Informatik, Fachgebiet Bildverarbeitung, Hochschule Aalen - Technik und Wirtschaft.
  • Maxein, A., 2014. Segmentierung von 3D-LiDAR-Punktwolken zur Klassifizierung pflanzlicher Strukturen. Diplomarbeit, Fakultät für Informatik, Lehrstuhl für Interaktive Echtzeitsysteme, KIT.
  • Hebel, M., 2012. Änderungsdetektion in urbanen Gebieten durch objektbasierte Analyse und schritthaltenden Vergleich von Multi-Aspekt ALS-Daten. Dissertation, Technische Universität München. Erscheint in: Deutsche Geodätische Kommission bei der Bayerischen Akademie der Wissenschaften (DGK), Reihe C, Nr. 690. ISBN 978-3-7696-5102-7, 147 S. [pdf (DGK)] [pdf (TUM)] [publica]
  • Schilling, C., 2007. Online-Extraktion von Primitivobjekten aus Laserradardaten. Diplomarbeit, Fakultät für Elektrotechnik und Informationstechnik, Institut für Nachrichtentechnik (INT), Universität Karlsruhe (TH).