KI macht es möglich: in Echtzeit um die Kurve sehen

KI macht es möglich: in Echtzeit um die Kurve sehen

New York, 22.1.2020

Künstliche Intelligenz, die es selbst fahrenden Autos ermöglicht, in Echtzeit um Kurven zu ’sehen‘, könnte helfen, Unfälle zu vermeiden. Forscher verwenden tiefes Lernen und Laser, um ein Bild eines verborgenen Objekts zu erstellen. Die Einsatzmöglichkeiten dieses Systems sind vielfältig.

Die Forscher setzten bei dem neuen System einen handelsüblichen Kamerasensor und einen leistungsstarken, aber standardmäßigen Laser ein – ähnlich dem eines Laserpointers.

Der Laserstrahl prallt von einer sichtbaren Wand auf das verborgene Objekt und dann wieder auf die Wand zurück, wodurch ein Interferenzmuster, ein so genannter Speckle, entsteht.

„Die Rekonstruktion des verborgenen Objekts aus dem Speckle-Muster erfordert die Lösung eines anspruchsvollen Rechenproblems“, sagte der Leiter des Forschungsteams Christopher A. Metzler von der Stanford University. Neben den Forschern aus Stanford gehörten dem Team auch Experten der Universität Princeton, der Southern Methodist University und der Rice University an.

Laut Metzler erzeugten die kurzen Belichtungszeiten, die für die Echtzeit-Bildgebung notwendig sind, zu viel Rauschen, so das die bestehenden Algorithmen nicht mehr funktionierten.

Sie lösten das Problem, indem sie Deep Learning einsetzten, Diese Form des maschinellen Lernens ist für die Interpretation großer und vielfältiger Daten besser geeignet.

„Im Vergleich zu anderen Ansätzen für die Bildgebung ohne Sichtverbindung ist unser Algorithmus für tiefes Lernen viel robuster gegenüber Rauschen und kann daher mit viel kürzeren Belichtungszeiten arbeiten“, erklärte Mitautorin Prasanna Rangarajan. Sie ergänzte: „Durch die genaue Charakterisierung des Rauschens waren wir in der Lage, Daten zu synthetisieren, um den Algorithmus zur Lösung des Rekonstruktionsproblems zu trainieren“.

Das System der künstlichen Intelligenz filtert das Rauschen effektiv heraus, um ein „Bild“ dessen zu erzeugen, was sich hinter der Wand oder dem Objekt verbirgt. Das Ergebnis faßte Metzler so zusammen: „Dieses Bildgebungssystem bietet einzigartig hohe Auflösungen und Bildgeschwindigkeiten. Diese Eigenschaften ermöglichen Anwendungen, die sonst nicht möglich wären, wie das Lesen des Kennzeichens eines versteckten Autos während der Fahrt.

Es wurde entwickelt, um kleine Objekte mit hoher Auflösung abzubilden, kann aber auch mit anderen Systemen kombiniert werden, um Bilder mit niedriger Auflösung von größeren Objekten zu erzeugen.“

Co- Autor Felx Heide sieht eine weitere Anwendung: „Die Nicht-Line-of-Sight-Bildgebung hat wichtige Anwendungen in der medizinischen Bildgebung, der Navigation, der Robotik und der Verteidigung.“Heide verwies auf einen Test mit der neuen Technik, in dem sie Bilder von 0,4 Zoll großen Buchstaben und Zahlen, die hinter einer Ecke versteckt waren, nachbildeten.

Die Studie ist Teil des revolutionären DARPA-Programms REVEAL (Revolutionary Enhancement of Visibility by Exploiting Active Light-fields), das eine Reihe verschiedener Techniken zur Abbildung verborgener Objekte um Ecken herum entwickelt.

So steht es auf der Website der DARPA: Das REVEAL-Programm zielt darauf ab, einen umfassenden theoretischen Rahmen zu entwickeln, um eine maximale Informationsextraktion zu ermöglichen. Es soll aus komplexen Szenen unter Verwendung aller Photonenbahnen und unter Ausnutzung der zahlreichen Freiheitsgrade des Lichts gewonnen werden.

Die Forscher arbeiten nun daran, das System für weitere Anwendungen praktisch nutzbar zu machen, indem sie das Sichtfeld so erweitern, dass es größere Objekte rekonstruieren kann.