Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
16 Elektronik automot ive Autonomes FAhren von Bilddaten in diesem Ansatz ausschließlich mithilfe von deterministischen Algorithmen da diese bei gleicher Eingabe immer eine identische Ausgabe produzieren Andere Ansätze der Datengenerierung wie zum Beispiel neuronale Netzwerke sind für das Verifizieren von Objekterkennungssystemen weniger geeignet da sie aufgrund ihrer probabilistischen Natur eigene Unsicherheiten in den Verifikationsprozess einbringen Zur Störungssimulation können sowohl einfache Änderungen am Farbraum und an den Pixelwerten vorgenommen also auch komplexere Algorithmen verwendet werden Bild 2 Die Simulation sollte zudem parametrierbar sein um die Stärke der Bildveränderung einstellen zu können Dadurch kann das System unter unterschiedlich starken Bedingungsänderungen getestet werden Metamorphe Transformation in der Praxis Im Rahmen des Forschungsprojektes KI-LOK hat ITPower Solutions einige solcher Algorithmen erstellt und zur Testdatengenerierung verwendet Das Projekt wird vom Bundesministerium für Wirtschaft und Energie im Rahmen der Förderrichtlinie »Neue Fahrzeugund Systemtechnologien« gefördert und finanziert Projektträger ist der TÜV-Rheinland Um die Bildtransformationen zu realisieren wurden die Python Bibliothek Numpy und OpenCV eine Bibliothek für Bildverarbeitungsmethoden verwendet Als Beispiel für eine Transformation dient hier ein implementierter Algorithmus der Regentropfen auf einer Scheibe simuliert Bild 3 Um die Regentropfen zu simulieren wurden lichtbrechende zufällig platzierte und verformte Kreise in das Bild eingefügt Tropfenposition und -größe wurden dabei zufällig festgelegt die Anzahl der Tropfen kann vom Benutzer eingestellt werden Über eine Wahrscheinlichkeitsverteilung wurde sichergestellt dass kleinere Tropfen häufiger auftreten als große Anschließend wurde für den jeweiligen Tropfen dessen Höhe an jeder Position bestimmt Diese wird durch eine Cosinus-Funktion festgelegt und mit Simplex Noise versehen sodass die Tropfen eine zufällige Form erhalten Anschließend wird der Normalenvektor des Tropfens an der aktuellen Position ermittelt Von diesem werden anschließend nur die Xund Y-Werte verwendet und von der aktuellen Position im Bild abgezogen um einen Lichtbrechungseffekt zu erzeugen Ein Ausschnitt des Quellcodes für diesen Algorithmus ist in Bild 4 dargestellt Um zu evaluieren inwieweit metamorphe Transformationen ein Objekterkennungssystem stören können wurden weitere Veränderungsalgorithmen implementiert Darunter simple Effekte wie die Verdunklung des Bildes aber auch komplexe Wettereffekte wie Hitzeflimmern Nebel oder Schnee Im Rahmen des Projekts wurden diese metamorphen Transformationen auf einen Objekterkennungsdatensatz Bild 3 Beispiel für Regentropfensimulation rechts im Vergleich zum Originalbild links Bild ITPower Solutions Bild 4 Ausschnitt des Quellcodes zur Regensimulation Bild ITPower Solutions