Im Pro­jekt DatEnKoSt waren wir let­ztes Jahr fleißig und kon­nten erste Ergeb­nisse verze­ich­nen. Unsere App wurde an die Bedürfnisse des Forschung­spro­jek­tes angepasst und dabei unter anderem die Videoauf­nah­me­funk­tion aus der alten App-Funk­tion rein­te­gri­ert. Das war gar nicht so ein­fach, da unter­schiedliche Android-Her­steller Video Funk­tio­nen unter­schiedlich behan­deln und unser Test­gerät auch noch leicht defekt war. Das viel im nor­malen Gebrauch zwar nicht auf, war aber ein gemein­er Stolper­stein bei der Entwick­lung.

Basierend auf den aufgeze­ich­neten Videos, haben unsere Kol­le­gen vom AWSi bere­its ein neu­ronales Netz zur Erken­nung des Straßen­bere­ichs einge­set­zt, wie in den fol­gen­den Bildern erkennbar.

Das Netz erken­nt die Straße in Echtzeit, was immer wieder sehr beein­druck­end wirkt. Dieser Schritt ist notwendig, um weit­ere Analy­sen auf der Straße auszuführen. Diese Analy­sen funk­tion­ieren bess­er, wenn man bere­its weiß, dass man nur noch Bild­dat­en ein­er Straßenober­fläche ver­wen­det.

Als Näch­stes wer­den inner­halb des erkan­nten Straßen­bere­ich­es Risse, Schlaglöch­er und andere Schad­stellen detek­tiert und im Anschluss in die in den ZTV ZEB-Stb.2006 beschriebe­nen Zus­tandswerte über­führt. Dafür wer­den wir weit­ere und erweit­erte Mod­elle des maschinellen Ler­nens benöti­gen und die Qual­ität der aufgeze­ich­neten Bilder max­imieren. Außer­dem wer­den die beschriebe­nen Algo­rith­men in den Cyface Serv­er inte­gri­ert und die erzeugten Auswer­tun­gen dem Dash­board hinzuge­fügt. Vor uns liegt also eine span­nende Zeit.