Projektbeschreibung

Damit Schiffe zukünftig hochautomatisiert oder autonom operieren können, benötigen sie ein valides Modell ihrer Umgebung. Dieses muss in digitaler Form zur Verfügung stehen und während der Fahrt die Verarbeitung von erfassten Realdaten in Echtzeit ermöglichen. Ziel des Projektes war es, eine Daten- und Algorithmusgrundlage zu schaffen. Dazu wurde über einen Jahreszyklus umfangreiches Datenmaterial unter verschiedenen Licht- und Wetterbedingungen sowie in verschiedenen Vegetationsperioden erfasst, aufbereitet und zu einem Datensatz zusammengeführt. Auf dieser Basis wurde ein KI-Modul entwickelt sowie ein Simultaneous Localization and Mapping (SLAM) Verfahren angewendet.

Ergebnisse und Wirkungen

Zunächst wurde eine Sensorplattform aus den folgenden Bestandteilen konstruiert: drei Kamerasysteme, ein LiDAR-Sensor sowie verschiedene Zustands- und Lokalisierungssensoren. Damit konnte ein Datensatz bestehend aus einer großen Variation an Daten erstellt werden. Aufbauend auf diesen Datensatz wurde ein KI-Modul trainiert, getestet, evaluiert und optimiert, welches die Infrastrukturkomponenten entlang der Spree-Oder-Wasserstraße nahezu in Echtzeit mit einer Wahrscheinlichkeit von nahezu 90 % detektiert und klassifiziert. Dazu zählen z.B. Schifffahrtszeichen, Brücken oder Schleusen. Zudem wurde ein graphenbasierter SLAM-Algorithmus eingesetzt, der eine gleichzeitige Selbstlokalisierung sowie eine umfassende Kartierung der Umgebung ermöglicht.

Beide Komponenten stellen eine wichtige Grundlage für die Navigation autonom operierender Binnenschiffe dar. So können die jeweiligen Ergebnisdaten nicht nur Assistenz- bzw. Steuerungssysteme unterstützen, sondern werden auch in weiterführende Projekte einfließen. Im Rahmen von weiteren Forschungsaktivitäten wird angestrebt, die Datenerfassung auszuweiten.