Pfützenerkennung mit KI - Shared Guide Dog 4.0

KI-basierte Pfützenerkennung zur Navigation für Blinde am Beispiel des Shared Guide Dog 4.0

Ziel des Projekts ist, durch einen neuartigen, KI-basierten Lösungsansatz Pfützen in Echtzeit zu erkennen und damit die Grundlage für Fahrentscheidungen zu treffen. Die zu entwickelnde Funktion der Pfützenerkennung soll am Beispiel des Shared Guide Dog 4.0 erprobt werden.

Die Blinden und Sehbehinderten treten bei dem nasskalten Hamburger Wetter regelmäßig in Pfützen und bekommen nasse Füße. Das größere Problem dahinter ist, dass das Wasser in der Pfütze Stolpergefahren durch Schlaglöcher verdeckt. Die unförmigen Konturen einer Pfütze lassen sich mit herkömmlichen Ansätzen der Bildverarbeitung nur unzureichend interpretieren und scheitern. Durch Erkenntnisse aus der KI-Bildsegmentierung soll es Blinden ermöglicht werden, gefahrlos trockenen Fußes am Ziel anzukommen.

Bei der Pfützenerkennung stehen die Forscher vor großen Herausforderungen, denn es existiert kein operatives System, das Pfützen erkennen kann. Die nur wenigen bereitgestellten Datensätze, die sich mit der Pfützenerkennung auseinandersetzen, befassen sich mit anderen Umgebungsbedingungen. Diese Forschungsergebnisse werden aufgegriffen, auf den urbanen Fußgängerverkehr übertragen und in der Praxis erprobt. Diese Erprobung soll auf Hamburgs 12 km langer Teststrecke für Automatisiertes und Vernetztes Fahren (TAVF) erfolgen. Erste Tests können am HAW Hamburg eigenen Testfeld Intelligente Quartiersmobilität am Berliner Tor durchgeführt werden, das mit einem Multi-Sensor-System ausgestattet ist. Bei den Tests wird der Blinden- und Sehbehindertenverein Hamburg (BSVH) miteinbezogen, mit dem bereits ein enger Austausch besteht. Des Weiteren soll dieses Projekt zur Vernetzung in der Community für Artificial Intelligence in Hamburg (ARIC) und weltweit beitragen.

Das Ergebnis dieser Forschung kann dann in Navigationshilfsmitteln für Blinde und Sehbehinderte installiert werden.

Weiterführende Informationen:

Publikationen:

Studentische Arbeiten:

  • Klawun, Kiran: Stolpersteine und Entwicklungsvorschlag für die systematische Umsetzung der Pfützenerkennung mittels Machine Learning, Masterprojekt HAW Hamburg, 04.07.2022.
  • Rathjens, Christian: Methodik für die Pfützenerkennung, Masterprojekt HAW Hamburg, 11.07.2022.

Kontakt:

 

 

Projektlaufzeit
-
ProjektBudget
49.702
Mittelgeber
Hamburgische Investitions- und Förderbank (IFB)
Einrichtungen
Fakultät Technik und Informatik
x