Alle mFUND Projekte Alle mFUND Projekte
Versuchsträger mit Sensorplattform

Quelle: TITUS Research GmbH

Problemstellung

In der Schiffsautomatisierung besteht ein hoher Bedarf nach schifffahrtsspezifischen Messdatensätzen. Die Datenlage ist – etwa im Vergleich zu Anwendungen für die Straße – jedoch stark verbesserungsbedürftig. Insbesondere die Entwicklung von Methoden zur robusten Bestimmung des Schiffszustands (beispielsweise zu Position, Orientierung und Geschwindigkeit) ist auf diese Messdatensätze angewiesen. Dasselbe gilt für die Messdaten optischer Sensoren, für die Methoden zur sicheren Erkennung und Klassifizierung von Objekten entwickelt werden müssen. Moderne Ansätze auf Basis maschinellen Lernens (engl. Machine Learning) sind dabei insbesondere auf verlässliche Ground-Truth-Annotationen angewiesen, d. h. auf Datensätze, die im Feldversuch auf ihre Genauigkeit geprüft und um zusätzliche Informationen ergänzt bzw. annotiert worden sind. Auf dieser Basis kann eine zur Anwendung kommende Künstliche Intelligenz zuverlässig trainiert werden.

Projektziel

Ziel des Projekts „MuSEAS“ ist es, für die Binnenschifffahrt Messdatensätze zu erstellen und zu veröffentlichen, die mit Daten gängiger Schiffssensoren synchronisiert sind. Im Ergebnis sollen bereinigte und anonymisierte Rohdaten sowie weiterführende, mittels neuartiger Verfahren gewonnene Referenzlösungen für die Schiffslokalisierung und Umgebungserkennung verfügbar gemacht werden. Die Ergebnisse sollen als Referenzimplementierungen dienen. Dafür kommen neu entwickelte und öffentlich zugängliche Verfahren zum Einsatz.

Durchführung

Zur Erstellung der Datensätze wird die Sensorplattform eines bestehenden Versuchsschiffs um weitere Sensoren zur Lokalisierung und Umgebungswahrnehmung ergänzt. Anschließend werden vielfältige Messfahrten durchgeführt. Die Rohmessdaten werden bis zur Veröffentlichung um weiterführende Daten ergänzt: Mittels eines neuartigen Faktor-Graph-Ansatzes werden robuste Multisensor-Zustandsschätzungen berechnet. Dabei soll insbesondere die Annotation von LiDAR-Punktwolken – LiDAR bezeichnet eine Form des dreidimensionalen Laserscannings – für Machine-Learning-Anwendungen mittels eines neuen Verfahrens automatisiert erfolgen.

Verbundkoordinator

TITUS Research GmbH, Wildau

  • FKZ: 19F1150A

Projektvolumen

(zum Bewilligungszeitpunkt)

142.827,21 €, davon 70 % durch das BMDV

Projektlaufzeit

(zum Bewilligungszeitpunkt)

03/2023-08/2024
Projektpartner

RWTH Aachen University, Institut für Regelungstechnik (IRT),

  • FKZ: 19F1150B
AnsprechpartnerTITUS Research GmbH
Dr. Axel Heßler
+49 (0) 33755230900
office@titus-research.eu