Lösungen
Wir können Software zur echtzeitfähigen Verarbeitung der umfangreichen LiDAR-Punktwolken Daten zur Verfügung stellen. Dazu gehören unter anderem Punktwolken basierte Objekterkennung und -klassifikation sowie die Modellierung der Umgebung zur sicheren Navigation (teil-)autonomer Roboter oder für intelligente Fahrerassistenzsysteme.
Verfolgung und Zustandsschätzung mit anschließender Objektklassifikation mehrerer Verkehrsteilnehmer (grün) in 3D LiDAR-Punktwolken (grau) nach Modellierung und Entfernung der lasttragenden Ebene (hellgrün).
Generierung eines dichten 3D Umfeldmodells aus der Fusion von 3D LiDAR-Daten und den Daten einer Farbkamera. Die Steigung des Geländes ist anhand der Falschfarben Rot (geringe Steigung) bzw. Gelb (hohe Steigung) dargestellt.
Außerdem verfügen wir über eine große Erfahrung in der maschinellen Bildverarbeitung für Anwendungen wie schnelle und robuste GPU-basierte Merkmalsextraktion, Spurerkennung auf markierten und unmarkierten Straßen sowie das visuelle Verfolgen von Objekten im 3D Raum.
Visuelles Erkennen von Feldwegen unter schwierigen Lichtverhältnissen
Hindernisvermeidende autonome Navigation auf Basis des erstellten Umfeldmodells. Gezeigt sind Fahrprimitive (farbige Trajektorien), die in den verschiedenen Ebenen des Umfeldmodells (hier in Grautönen, die Vegetationswahrscheinlichkeiten enstprechen, unterlegt) auf fahrbarkeit überprüft werden.
Um die komplementäre Information von Bild- und Tiefensensoren zu nutzen bieten wir außerdem Lösungen zur Synchronisierung, Kalibrierung und Fusion der Daten einer Farbkamera und den Punktwolken der LiDAR-Sensoren. Eine Fusion kann dabei auf Ebene der Rohdaten (farbige Punktwolken, tiefenannotierte Bildpunkte), der Merkmale (farbige Hinderniskarten) oder der Objekte (Fusion von Objekten, die in Kamerabildern und Punktwolken verfolgt werden) geschehen.
Alle von uns entwickelten Methoden wurden erfolgreich in anspruchsvollen städtischen und ländlichen Umgebungen und auf verschiedenen autonomen Roboterplattformen angewandt.