Deep Learning trifft auf 3D-Technologie
Die industrielle Bildverarbeitung hat ein neues Level im Verständnis von Bild-, Audio- und Textdaten erreicht. 3D-Punktewolken können nun mit Deep Learning verarbeitet werden.
Die beiden häufigsten Darstellungen von 3D-Daten sind Punktwolken und Netze. Beide basieren jedoch nicht auf einem regelmäßigen Raster. Da die Leistungsfähigkeit von tiefen neuronalen Netzen im Allgemeinen von regelmäßigen Strukturen profitiert, ist ihre Anwendung auf Rohdaten schwierig.
Um solche Daten in neuronalen Netzen zu analysieren, haben sich derzeit zwei Ansätze etabliert:
- Überführen vorhandener Szeneninformationen in eine reguläre Darstellung wie 3D-Volumenraster oder Multi-View-Bilder in einem Vorverarbeitungsschritt. Die resultierenden Daten können anschließend mit gängigen neuronalen Netzarchitekturen verarbeitet werden.
- Verwendung speziell entwickelter Netzwerkmodelle, die in der Lage sind, unregelmäßige Datenquellen wie Punktwolken direkt innerhalb ihres Architekturkonzepts zu verarbeiten – oft auf Kosten der Leistung.
In seiner Masterarbeit, die Paul bei senswork verfasste, implementierte er eine Methode, die in der Lage ist, Punktwolken direkt als Eingabedaten zu übernehmen, um ein neuronales Netz zu trainieren. Dieses neuronale Netz ermöglicht die Lokalisierung von 3D-Objekten innerhalb einer größeren Punktwolke – unabhängig von ihrer Position, Ausrichtung oder Skalierung.
Dieses Tool wird demnächst Teil unserer Deep-Learning-Software „Neuralyze“ sein.
Pressekontakt
Hedwig Unterhitzenberger
+49 8677 409958-37
hedwig.unterhitzenberger@senswork.com
senswork GmbH, Gewerbepark Lindach D 3, 84489 Burghausen
