DYNASTY
Auf einen Blick
Forschungsprojekt |
DYNASTY - High Dynamic Range für Smart Mobility Anwendungen |
---|---|
Fachbereich |
Ingenieurwissenschaften |
Institut |
Medientechnik |
Leitung |
Prof. Dipl.-Ing. Mike Christmann |
Beteiligte |
Prof. Dr. Rolf Hedtke |
M.Eng. Mark Benyamin |
|
M.Eng. Pascal Kutschbach |
|
B.Eng. Benjamin Donderer |
|
B.Eng. Matthias Hofmann |
|
Ansprechpartner Forschungsförderung |
Dr. Michael Anton |
Projektpartner |
VITRONIC Dr.-Ing. Stein Bildverarbeitungssysteme GmbH
|
Fördermittelgeber |
Land Hessen (Hessisches Ministerium für Wirtschaft, Energie, Verkehr und Landesentwicklung), LOEWE-3 Forschungsprojekt |
Laufzeit |
01.07.2021 – 31.12.2023 |
Projektbeschreibung
Eine grundlegende Mobilitäts- und Verkehrswende gelingt nur mit der Förderung der Mikromobilität, u.a. durch die Automatisierung der Verkehrssysteme. Darunter zählt nicht nur das automatisierte Fahren, sondern auch ein verbessertes intelligentes Verkehrsmanagement, welches unter anderem zur Verflüssigung des Verkehrs und damit zu einer Schadstoffreduzierung beiträgt.
Ziel des Projekts „DYNASTY“ ist es einerseits bestehende Verkehrsüberwachsungssysteme zu optimieren und zu automatisieren, und andererseits neuartige Verfahren zur Verbesserung der Objekterkennung und -klassifikation für den Smart City und Smart Mobility Bereich zu entwickeln, um somit die Qualität und Sicherheit im Zuge der Verkehrssystemautomatisierung zu erhöhen.
Hierzu sollen unter anderem die in dem Vorgängerprojekt EVI entwickelten algorithmischen Bildverarbeitungsverfahren als Basis dienen, um eine automatische Optimierung von bildgebenden Verkehrsüberwachsungssystemen auf das Zielmedium vorzunehmen.
Darüber hinaus soll ein Verfahren entwickelt werden, das die Bildqualität von qualitativ unzureichenden Bilddaten datengetrieben, also mit Hilfe von künstlicher Intelligenz (KI), verbessert. Da die im Bereich der Verkehrsüberwachung eingesetzten Kamerasysteme oftmals kompakt und kostengünstig ausfallen müssen, um eine flächendeckende Installation zu ermöglichen, liefern diese Systeme in schwierigen Aufnahmesituationen jedoch nur eine geringe Bildqualität. Um dennoch eine zuverlässige Klassifikation und Auswertung von verkehrsrelevanten Bildinhalten unter allen Aufnahmebedingungen zu gewährleisten, ist eine KI-basierte Bildoptimierung erforderlich. Die Entwicklung eines solchen Verfahrens würde den Einsatz kostengünstiger und kleiner Kamerasysteme zudem auch für andere Anwendungsgebiete interessant machen.
Technisch gesehen, soll die Bildoptimierung im Rahmen des Verfahrens durch eine Aufbereitung oder gar eine Rekonstruktion des Bildinhaltes erfolgen. Im Fokus dessen steht die HDR (High Dynamic Range) Technologie. Die Vorteile dieser Bildaufnahme- und Wiedergabetechnik gegenüber der herkömmlichen SDR (Standard Dynamic Range) Technik bestehen insbesondere darin, dass HDR-Bilddaten einen deutlich höheren Dynamikumfang aufweisen, sodass feinere Abstufungen und somit mehr Bilddetails dargestellt werden können. Zur Erzeugung von Bildern mit einer derartig hohen Qualität aus qualitativ unzureichenden SDR-Bilddaten sind hochwertige Referenzbilddaten erforderlich, welche die entsprechenden Eigenschaften der HDR-Technik aufweisen.