Bildschirm und Kamera, viel mehr braucht es für die Visualisierung nicht. Markus Peier, Julian Lerch und Korbinian Kunst, Doktoranden und wissenschaftliche Mitarbeiter am Fachgebiet Adaptive Lichttechnische System und visuelle Verarbeitung, haben eine Versuchsanordnung aufgebaut. Tritt eine Person ins Blickfeld der Kamera, erscheint sie auf dem Computerdisplay – eingefasst von einem roten Rahmen und ergänzt um Angaben, mit wieviel prozentiger Wahrscheinlichkeit es sich bei dem Objekt um einen Menschen handelt. Ein am Fachgebiet entwickeltes KI-gestütztes System macht diese Erkennung und Visualisierung für automatisierte Fahrzeuge im Straßenverkehr möglich. „Erfasst werden nicht nur Personen, sondern Objekte generell“, betont Peier.

Das Projekt zur lichtgestützten Objekt-Detektion unter der Leitung von Professor Tran Quoc Khanh behandelt gleich mehrere Forschungsaspekte: Wie müssen die Spezifikationen einer Kamera sein, um überhaupt Gegenstände oder Menschen auch im nächtlichen Straßenraum erkennen zu können? Welche Pixelgröße und Auflösung muss sie haben, und welche Verstärkung, Belichtungszeit und Blendenöffnung müssen eingestellt werden, um verlässliche Ergebnisse zu liefern? Und wie können Fahrende oder automatisierte Fahrsysteme bei der Detektion in der Dunkelheit unterstützt werden?

Was ist gute Sichtbarkeit?

Aufgestellt haben die Forschenden dazu einen Scheinwerfer, der aus 25.600 Mikro-LEDs besteht. „Die Scheinwerfer der Zukunft sind eher digitale computergesteuerte Projektoren denn Lampen“, erklärt Kunst. Gekoppelt ist dieser Projektor mit der hochauflösenden Kamera in der Mitte der Fahrzeug-Frontscheibe. Wird ein Objekt mit nur geringer Wahrscheinlichkeit detektiert, kann es durch die Vielzahl an Pixeln gezielt angeleuchtet werden, um die Sichtbarkeit für das KI-System, aber auch den Menschen zu erhöhen, wie er erläutert. Wobei geklärt werden muss, wie sich gute Sichtbarkeit für Mensch und Kamera jeweils definieren. Kunst unterstreicht den interdisziplinären Ansatz: So spielt unter anderem die Psychologie eine Rolle, welche Kontraste Menschen zur sicheren Detektion benötigen, und die Frage, welchen Einfluss dabei Fahrgeschwindigkeit, Objektdynamik, Position oder Größe des Objektes haben.

Adaptive lichtgestützte Systeme lassen sich jedoch nicht allein für die Detektion einsetzen, sondern in der Welt des automatisierten und autonomen Fahrens auch für die Kommunikation. Markus Peier beschreibt eine mögliche Situation: Gibt es keinen Fahrer oder keine Fahrerin mehr im Auto, fällt die Kommunikation mit Gesten weg. „Wie verständige ich mich dann aber, wer beispielsweise an einer unübersichtlichen Stelle zuerst fahren darf? Welche Symbole lassen sich stattdessen einsetzen, und wo sollten diese sichtbar werden? „Hinzukommt, dass die Zeichen auch international verständlich sein müssen“, unterstreicht er. Denkbar wären Symbole zur Anzeige des Fahrstatus‘ oder Warnungen mit Stoppsymbolen auf einem Display in der Kühlerfront des Fahrzeuges.

In der Autoindustrie gibt es bereits Ideen zu all diesen Fragen. „Die Entwicklung steht aber noch am Anfang“, sagt Peier. Das Forscherteam der TU setzt Künstliche Intelligenz gezielt für seine Lösungsansätze ein.