Synthetische Sensoren für automatisierte Flughafenprozesse

13 Dezember 2022

Synthetic Training of Neural Networks for Semantic Segmentation of LiDAR Point Clouds
^{M Schultz, S Reitmann, B Jung, S Alam. International Workshop on ATM/CNS 2022 International Workshop on ATM/CNS}

Für den sicheren Betrieb auf dem Flughafenvorfeld werden Fluglotsen durch eine geeignete Sensorumgebung unterstützt. Deep-Learning-Modelle könnten die Klassifizierung von beobachteten Objekten verbessern. Jedoch benötigen diese Modelle eine große Menge an Daten, um trainiert zu werden. Daher haben wir eine virtuelle Flughafenumgebung entwickelt, welche die erforderlichen Trainings- und Validierungsdaten für beliebige Betriebsszenarien erzeugen kann. Ein synthetischer LiDAR-Sensor wurde in dieser Umgebung implementiert und der Flughafen Singapur-Changi wurde als exemplarischen Beispiel gewählt. Mit Hilfe verschiedener Datenquellen werden die Infrastruktur und Objekte des Flughafens modelliert und eine Vielzahl von 3D-Szenen erzeugt. Aus diesen Szenen wird eine Punktwolke aus dem Feedback des LiDAR-Sensors extrahiert. Diese Punktwolke ist bereits durch die zugrundeliegenden Modelle gelabelt (ground truth) und dient als Input für PointNet++, welches für eine effiziente Segmentierung und Klassifizierung trainiert wird.

Erste experimentelle Untersuchungen wurden durchgeführt, um in einer automatisierten Prozesskette Daten für beliebige Flughäfen zu erzeugen und Deep-Learning-Methoden für reale Anwendungen vorzubereiten. Die Flughafeninfrastruktur kann aus freien Geodaten (z.B. OpenStreetMap) und die dynamischen Elemente (Bodenfahrzeuge, Finger, etc.) aus ebenso frei verfügbaren Modellen generiert werden. Die Sensorik muss den Eigenschaften der am jeweiligen Flughafen eingesetzten Systeme entsprechen. In unserem Ansatz verwenden wir parametrisierbare Sensormodule (LiDAR), die in BLAINDER (Open Source) implementiert sind und entsprechend den tatsächlichen Systemanforderungen kalibriert werden können.

Link zur Veröffentlichung: International Workshop on ATM/CNS 2022 International Workshop on ATM/CNS,
Präsentation auf der Winter Simulation Conference