• 20.6.2024
  • Lesezeit: 1 Min.

Neue präzisere 3D-Rekonstruktionen für autonomes Fahren und Denkmalschutz

Von zwei Bildern zum 3D-Objekt

Forschenden der Technischen Universität München (TUM) ist es gelungen, anhand von Aufnahmen aus nur zwei Kameraperspektiven präzise 3D-Rekonstruktionen von Objekten zu erstellen. Dabei können diese in ihrer natürlichen Umgebung aufgenommen werden. Bislang waren dafür hunderte Kameraperspektiven oder Laborbedingungen notwendig. Kamerabasierte Rekonstruktionen werden beim autonomen Fahren oder auch beim Erhalt historischer Denkmäler angewendet.

Daniel Cremers, Professor für Bildverarbeitung und Künstliche Intelligenz Astrid Eckert / TUM
Daniel Cremers, Professor für Bildverarbeitung und Künstliche Intelligenz

In den letzten Jahren sind neuronale Methoden für kamerabasierte Rekonstruktion sehr beliebt geworden. Diese benötigen allerdings meist hunderte von Kameraperspektiven. Auf der anderen Seite gibt es klassische photometrische Verfahren, die zwar aus wenigen Perspektiven hochpräzise Rekonstruktionen auch aus Objekten mit einer geringen Oberflächentextur berechnen, die aber typischerweise nur in kontrollierten Laborumgebungen funktionieren.

Abbild präziser, trotz weniger Datenpunkte

Daniel Cremers, Professor für Bildverarbeitung und Künstliche Intelligenz sowie Leiter des Munich Center for Machine Learning (MCML) und einer der Direktoren des Munich Data Science Institute (MDSI) hat gemeinsam mit seinem Team eine Methode entwickelt, die beide Verfahren verbindet. Die Forschenden kombinieren dafür ein neuronales Netz der Oberfläche mit einem genauen Modell des Beleuchtungsprozesses, das die Abnahme des Lichts mit der Entfernung zwischen Objekt und Lichtquelle berücksichtigt. Dabei kann aus der Helligkeit in den Bildern bestimmt werden, wie die Oberfläche zum Licht ausgerichtet und wie weit sie von der Lichtquelle entfernt ist. „So gelingt es uns, aus wenigen Daten Objekte deutlich präziser nachzubilden, als es bei vorherigen Verfahren möglich war. Für unsere Rekonstruktionen können wir das natürliche Umfeld verwenden und auch Objekte mit nur einer geringen Oberflächentextur nachbilden“, sagt Daniel Cremers.

Anwendung beim autonomen Fahren und Denkmalschutz

Das Verfahren kann genutzt werden, um historische Denkmäler zu erhalten oder Museumsobjekte zu digitalisieren. Werden diese zerstört oder verfallen mit der Zeit, ist es mithilfe von Fotos möglich, diese zu rekonstruieren und wahrheitsgetreu wiederaufzubauen. Neuronale kamerabasierte Rekonstruktionsverfahren entwickelt das Team von Prof. Cremers auch für das autonome Fahren. Hier wird die Umgebung mit einer Kamera gefilmt. Das autonome Auto kann dabei die Umgebung in Echtzeit nachbilden, ein dreidimensionales Szenenverständnis entwickeln und auf Grundlage dessen Entscheidungen treffen. Das Verfahren basiert auf neuronalen Netzen, die für einzelne Bilder eines Videos 3D-Punktwolken der Welt vorhersagen, die dann zu einem großskaligen Modell der durchfahrenen Straßen fusioniert werden.

Externen Inhalt anzeigen

An dieser Stelle sind Inhalte eines externen Anbieters (Quelle: www.xyz.de) eingebunden. Beim Anzeigen können Daten an Dritte übertragen oder Cookies gespeichert werden, deshalb ist Ihre Zustimmung erforderlich.

Mehr Informationen und die Möglichkeit zum Widerruf finden Sie unter www.tum.de/datenschutz.

Künstliche Intelligenz

KI-Anwendungen verändern schon jetzt die Arbeits-, Forschungs- und Alltagswelt. Wir gestalten diesen technologischen Fortschritt mit: Unsere Forschenden entwickeln fächerübergreifend neue Methoden und Anwendungen der KI.

KI an der TUM

Publikationen

Mohammed Brahimi, Bjoern Haefner, Zhenzhang Ye, Bastian Goldluecke, Daniel Cremers. Sparse Views, Near Light: A Practical Paradigm for Uncalibrated Point-light Photometric Stereo. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024, pp. 11862-11872.

Weitere Informationen und Links

Technische Universität München

Corporate Communications Center

Kontakte zum Artikel:

Daniel Cremers
Technische Universität München
Professur für Bildverarbeitung und Künstliche Intelligenz
cremersspam prevention@tum.de

Aktuelles zum Thema

HSTS