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.