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 Hochschule Osnabrück

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

Das Modellfahrzeug der Hochschule Osnabrück OSCAR soll zukünftig noch besser in der Lage sein, verschiedene Straßenmarkierungen 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 anschließend weiter. Die Kombination etlicher tausend Neuronen ermöglicht 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) ausgewählt. Dieser Ansatz basiert auf einem neuronalen Netz, welches Objekte innerhalb eines Bildes auch auf kleineren Rechnersystemen in Echtzeit lokalisieren kann, und ist daher prädestiniert für die Aufgaben, die OSCAR zukünftig meistern muss.

Es wurden verschiedene Varianten des YOLO-Verfahrens im Hinblick auf ihre Qualität und die benötigte Rechenleistung untersucht. Durch Optimierung des YOLO-Ansatzes und das Training mit mehreren Tausend computergenerierter Aufnahmen, die unterschiedliche Fahrbahnmarkierungen enthalten, konnte eine geeignete Balance zwischen Qualität 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 nächste Cup-Teilnahme im kommenden Februar startklar.

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

Projektpräsentation