Der Forschungsbereich Augmented Vision erforscht verschiedenste Themen zur intelligenten Kamera-basierten Wahrnehmung im Fahrzeugumfeld. Dabei werden Algorithmen zur Erfassung von Bewegungen, Geometrie, Semantik oder Fahrer entwickelt, die die Grundlage für verschiedene automatisierte oder autonome Fahrfunktionen sind.
Eine robuste Erfassung der Fahrzeugumgebung ist die Grundlage für zahlreiche Funktionen des automatisierten oder autonomen Fahrens. Entscheidend ist dabei beispielsweise die Bestimmung von Abständen zu anderen Verkehrsteilnehmern (wie Fahrzeugen, Fahrradfahrern, Fußgängern, usw.), die Erkennung von Fahrspuren und Verkehrsschildern oder die präzise Lokalisation des eigenen Fahrzeugs. Weiterhin müssen die Bewegungen in der Umgebung genau erfasst werden, um Vorhersagen über die nahe Zukunft machen zu können.

Nutzen und Mehrwert

Die Forschungsarbeiten entstanden aus zahlreichen Kooperationen mit namhaften nationalen und internationalen Automobil-Herstellern und –Zulieferern. Somit besteht eine hohe Kompetenz in der angewandten Forschung im Fahrzeugumfeld. Zugleich werden hoch-innovative Verfahren erforscht und entwickelt, die weltweit Anerkennung erlangt haben.

• Assistenzsysteme
• Bildverarbeitung
• Forschung
• Künstliche Intelligenz
• Vernetztes & automatisiertes Fahren

Das Anwendungspotential intelligenter Datenanalysemethoden für die Überwachung und Optimierung von Prüfdaten, Steuergeräten und Prüfständen in der Automobilindustrie ist außerordentlich. So verfügt beispielsweise ein modernes Motor-Steuergerät über mehr als 50.000 Einstellparameter, die maßgebend sind für Leistung, Verbrauch, Verschleiß und die gesamte Performance des Motors. Durch Deep Learning-Technologien, genauer den Einsatz neuronaler Netze im Steuergerät, kann dieses selbstständig „lernen“, wie die Eingangsgrößen optimal einzustellen sind. Die Verwendung solcher Netze bei der Zeitreihenanalyse von Motorprüfdaten ermöglicht zudem neue Ansätze für „Predictive Health Monitoring“, so dass daraus die Voraussage von Verschleiß und Wartungsfällen verbessert werden kann. Ebensolche Verfahren sollen in dem neuen Forschungslabor erforscht und entwickelt werden. IAV, einer der erfolgreichsten Entwicklungspartner der Automobilindustrie und das DFKI forschen gemeinsam im neuen „Forschungslabor Lernen aus Prüfdaten“ (FLaP). In der neuen Testumgebung Kaiserslautern werden spezielle Analysemethoden der Künstlichen Intelligenz für den Einsatz in Prüfverfahren in der Automobilentwicklung erforscht und entwickelt.

Nutzen und Mehrwert

Zum Einsatz kommen zukunftsweisende Technologien des Maschinellen Lernens, etwa Deep Learning sowie Zeitreihenanalysen.

• Künstliche Intelligenz
• Forschung
• Assistenzsysteme
• Fahrzeugprüfung
• Datenverarbeitung
• Sensorik

Das internationale Technologieunternehmen Continental und das Deutsche Forschungsinstitut für Künstliche Intelligenz (DFKI) haben nach mehreren erfolgreichen Einzelprojekten einen Rahmenvertrag über eine kontinuierliche Zusammenarbeit geschlossen. Das DFKI wird den Technologiekonzern in der Transformation zu einem KI-gestärkten Unternehmen begleiten. Im Rahmen der Kooperation wird im DFKI in Kaiserslautern das gemeinsame Forschungslabor Intelligente Technologien – FIT- eingerichtet werden, welches Continental-Mitarbeitern die Möglichkeit bietet, im Ökosystem der DFKI-Labore gemeinsam mit den DFKI-Forschern Grundlagen zu erforschen und konkrete Problemstellungen zu adressieren.

Nutzen und Mehrwert

Neben etablierten Technologien wie Machine Learning und Deep Learning setzen sie KI-Technologien wie Wissensrepräsentationsmodelle oder „Reasoning and Decision“-Systeme, semantische Methoden und Ontologien ein. Weitere Beispiele für den Einsatz Künstlicher Intelligenz sind das „Natural Language Processing“ und semantische Technologien. Sie helfen, Dokumente inhaltlich zu verstehen – bei der Interaktion zwischen Mensch und Auto oder bei der Prozessautomatisierung.

• Künstliche Intelligenz
• Forschung
• Vernetzes & automatisiertes Fahren
• Datenverarbeitung
• Assistenzsysteme
• Bildverarbeitung