Problemstellung

Unbemannte Flugsysteme bieten zahlreiche Möglichkeiten. Vom Monitoring bis hin zum Luft-Taxi kann Mobilität nur dann profitieren, wenn die Sensorik für die Einsatzzwecke ertüchtigt wird. Am Fallbeispiel von (radiometrischen) Infrarot-Sensoren soll an zwei Beispielszenarien eine Lösung für hochgenaue Georeferenzierungsansätze erarbeitet werden, um Sensorwerte per KI sicher interpretierbar zu machen.

Projektziel

Im Projekt werden Ansätze entwickelt, mit der UAS-getragene thermale IR-Aufnahmen über automatisierte Bildverarbeitung hochgenaue Georeferenzierungen auf Subpixel-Ebene erfahren. Ziel ist es, UAS-Sensorik für automatisierte Monitoringansätze in heute nicht realisierbaren Frequenzbereichen zu ertüchtigen. An zwei Beispielszenarien wird dargestellt, wie zukünftiges Monitoring im Bereich der medizinischen Rettung (z.B. Massenkarambolage) und der Überwachung (kritischer) Infrastrukturen (z.B. Gasdetektion) UAS-basiert vollautomatisch umsetzbar sind.

Durchführung

Neben der Herstellung geeigneter, auf OpenSource basierender Software für das Subpixel-Matching werden Ansätze des Deep Learnings für die Erkennung der Strukturen von Interesse (Personen, Gaswolken) für radiometrische IR-Bilder entwickelt. Um die KI zu trainieren, wird auf Bildmaterial älterer Projekte zugegriffen und neues Bildmaterial in Befliegungskampagnen erfasst. Zudem soll eruiert werden, welche Möglichkeiten basierend auf Consumer Market-Drohnen mit geeigneter IR-Sonsorik realisierbar sind.