Zum Inhalt
Fakultät für Elektrotechnik und Informationstechnik

ATZ live - Automatisiertes Fahren

Grafiken zu Depth Esimation and Lidar Padding © RST​/​TU-Dortmund

Der RST war auch dieses Jahr erneut auf der ATZ live - Automatisiertes Fahren Konferenz vertreten. Ein Novum stellt der diesjährige Science Pitch dar. Wissenschaftlern wird hierbei die Möglichkeit geboten, die eigene Forschung dem gesamten Auditorium, in Form eines kurzen Pitchs, vorzustellen. Am zugehörigen Poster kann anschließend im Detail über die Ideen diskutiert werden.
Unser Beitrag hat sich mit der Tiefenschätzung mittels Deep Learning beschäftigt. Hierzu wurden die Verfahren der Tiefenvervollständigung sowie Tiefenprädiktion untersucht. Bei der Tiefenvervollständigung wird ein Mechanismus erlernt um die dünnbesetzten Lidardaten zu interpolieren und so ein dichtes Tiefenbild zu erzeugen. Die monokulare Tiefenprädiktion basiert auf dem Structure from Motion (SfM) Prinzip und es wird hierbei ein neuronales Netz unüberwacht mittels Videos trainiert. Als Basis dient jeweils eine sogenannte U-Net Architektur. Diese wurde um einen Lidar Padding Mechanismus sowie eine Glattheitspropagation erweitert. Dadurch konnten die Tiefenschätzergebnisse signifikant verbessert werden.