{"id":734,"date":"2020-07-07T15:35:27","date_gmt":"2020-07-07T13:35:27","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=734"},"modified":"2023-09-22T09:32:37","modified_gmt":"2023-09-22T07:32:37","slug":"optimale-trainingsdatenerzeugung-zur-automatischen-digitalisierung-von-3d-laserscannerdaten","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projects\/optimale-trainingsdatenerzeugung-zur-automatischen-digitalisierung-von-3d-laserscannerdaten\/","title":{"rendered":"Optimale Trainingsdaten­erzeugung zur Digitalisierung von 3D-Laserscannerdaten"},"content":{"rendered":"\n\n
\n
\n
\n
<\/div>
<\/div>
<\/div><\/div><\/div>\n<\/div><\/div>\n\n\n\n

Objekterkennung: automatisiert und selbstlernend<\/h4>\n\n\n\n

Ziel des gemeinsamen Exploring Projects der Firmen Quatriga und FARO war die Erzeugung spezifischer KI-Trainingsdaten. Durch das Erstellen einer selbstlernenden Objektbibliothek konnte die automatisierte Objekterkennung in gro\u00dfen Punktwolken zur Erfassung vollst\u00e4ndiger Szenen vorangetrieben werden.<\/p>\n\n\n\n

Br\u00fccke schlagen zwischen realer und digitaler Welt<\/h4>\n\n\n\n

Bei der automatisierten Objekterkennung in gro\u00dfen Punktwolken zur Erfassung einer vollst\u00e4ndigen Szene geht es letztlich darum, die reale Welt automatisiert in die digitale Welt zu \u00fcberf\u00fchren, um anschlie\u00dfend die Vorteile einer digitalen Planung zu nutzen. Zur Nutzung von KI-Verfahren<\/a> bedarf es aber h\u00e4ufig einer sehr speziellen Datenbasis, um eine gute Ergebnisqualit\u00e4t zu erreichen. Aus diesem Grund soll mit dem Projekt spezifisches Training erm\u00f6glicht werden und eine selbstlernende Objektbibliothek f\u00fcr Kund*innen erstellt werden. Das Ergebnis soll intuitiv und niederschwellig sein, d.h. ohne Fachwissen \u00fcber spezifische KI-Methoden nutzbar sein.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Projektablauf<\/h4>\n\n\n\n

Im Rahmen des Exploring Projekts wurde die automatisierte Objekterkennung anhand unterschiedlicher Objekte exemplarisch in der ARENA2036 mit KI-Verfahren evaluiert. Dabei lag der Fokus auf der Erweiterbarkeit und variierender Datenbasis. Im Zuge des Projekts entstand ein Gesamtkonzept mit erster Umsetzung, angepasst auf die Laserscannerdaten der FARO Sensoren und entworfen f\u00fcr die bestehende WebShare-Plattform der Fa. FARO.<\/p>\n\n\n\n

Projektbeteiligte<\/h4>\n\n\n\n