Bloß nicht die Orientierung verlieren

In einigen Bereichen ist das menschliche Gehirn der Maschine immer noch überlegen: Für Menschen ist es zum Beispiel ziemlich einfach, die grobe Struktur einer Szene auf einen Blick zu erfassen. Das Gehirn greift dabei auf seine Fähigkeit zurück, Fluchtpunkte im Bild der Umwelt zu identifizieren. Sie geben Aufschluss über die Orientierung und Anordnung von Objekten. Fluchtpunkte entstehen, wenn im dreidimensionalen Raum parallele Linien auf einer zweidimensionalen Ebene abgebildet werden – beispielsweise auf der Netzhaut eines Auges oder dem Sensor einer Digitalkamera. Die vormals parallelen Linien werden durch diese Projektion so transformiert, dass sie sich anschließend in einem gemeinsamen Fluchtpunkt schneiden.

Fluchtpunkte können zur Extraktion von Informationen aus Bildern genutzt werden, die für komplexe Anwendungen wie die Steuerung autonomer Fahrzeuge nötig sind. Nicht nur die Ausrichtungen und relativen Abstände von Objekten wie Autos und Gebäuden innerhalb einer Szene, sondern auch die Orientierung des Fahrzeugs zu seiner Umwelt können mit Hilfe von Fluchtpunkten gemessen werden, die aus einer einzigen Kamera gewonnen werden.

Trotz mehr als 20 Jahren Forschung gibt es bislang jedoch keine ausreichend robusten Algorithmen zur automatischen Fluchtpunktdetektion. Das menschliche Gehirn bezieht viel Kontextinformation und Vorwissen ein, die sich nur mit sehr hohem Aufwand in einen klassischen Bildverarbeitungsalgorithmus gießen ließen. Am Institut für Informationsverarbeitung erforschen L3S-Wissenschaftler daher, wie künstliche neuronale Netze dieses Wissen erlernen und zum Erkennen von Fluchtpunkten nutzen können. Bekannte Netzarchitekturen und Datensätze zum Anlernen der neuronalen Netze haben sich bislang als untauglich für diese Problemstellung erwiesen. Die Forschungsschwerpunkte am L3S liegen daher auf der Erkundung neuartiger Netzstrukturen und der effektiven Erzeugung und Anreicherung von Daten, mit denen sie trainiert werden können.