Optimale Trainingsdaten­erzeugung zur Digitalisierung von 3D-Laserscannerdaten

Objekterkennung: automatisiert und selbstlernend

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 großen Punktwolken zur Erfassung vollständiger Szenen vorangetrieben werden.

Brücke schlagen zwischen realer und digitaler Welt

Bei der automatisierten Objekterkennung in großen Punktwolken zur Erfassung einer vollständigen Szene geht es letztlich darum, die reale Welt automatisiert in die digitale Welt zu überführen, um anschließend die Vorteile einer digitalen Planung zu nutzen. Zur Nutzung von KI-Verfahren bedarf es aber häufig einer sehr speziellen Datenbasis, um eine gute Ergebnisqualität zu erreichen. Aus diesem Grund soll mit dem Projekt spezifisches Training ermöglicht werden und eine selbstlernende Objektbibliothek für Kund*innen erstellt werden. Das Ergebnis soll intuitiv und niederschwellig sein, d.h. ohne Fachwissen über spezifische KI-Methoden nutzbar sein.

Projektablauf

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 für die bestehende WebShare-Plattform der Fa. FARO.

Projektbeteiligte

  • Quatriga GmbH
  • FARO Europe GmbH & Co. KG

Gefördert durch

BW_Ministerium_MWAW