Mobilität der Zukunft

Synthetische Daten für Training & Validierung

BITs branchenführende Trainings-Datensätze dienen als Ground Truth für maschinelles Lernen und die Validierung mit hoch skalierbarer Szenengenerierung aus Real-World-Szenarios. Ein hohes Maß an Automatisierung erleichtert das Erstellen unterschiedlicher Sensor-Ausgaben und Corner-Case-Variationen.

BIT stellt ein virtuelles Sensor-Simulationsframework zur Verfügung, das vollständig mit ISO 26262 ASIL Levels verbunden ist. Kritische Eckfälle sowie automatische FMEDA-Ausgabe werden verarbeitet.

bounding boxes

Mehrere Sensoren und verschiedene Ausgabeformate stehen zur Verfügung und können bei Bedarf schnell angepasst werden. Wir erzeugen Inhalte für Kamerasensoren, Radar (in Vorbereitung) und Laser / LIDAR. Optical Flow und Sceneflow-Analyse ist auf Anfrage erhältlich.

YouTube

By loading the video, you agree to YouTube's privacy policy.
Learn more

Load video

urban szenarioDas BIT Digital Content Framework ermöglicht die automatische Generierung und zufällige Variationsgenerierung von Szenenaspekten und Verhaltensmodellen.

Wir bieten eines der größten Branchensets für Trainingsdaten. Verschiedene Produktionswerkzeuge wie Unreal Engine ™ sowie eigene Render-Engines werden verwendet.

Real World Labeling

BIT kann auf lange Erfahrung bei Image Labeling und Scene Annotation für verschiedene Automobil-OEMs zurückblicken. Wir sind ein führender Anbieter für das Labeling von 2D und 3D Bounding Boxes sowie die Annotation von Daten kombinierter Eingänge wie Lidar, Radar und Kamera.

Semantische Segmentierung

Selbstlernender Algorithmus zum automatischen Verarbeiten von Kameradaten in unkomprimierter Qualität. Ausgabe von segmentierten Bildern und Metadaten in offenen JSON-/XML-Feldformaten.

Anforderungsspezifikationen für synthetische Datasets

Scene Flow

The Scene Flow is offered in different file formats and as colored image for reference checks. We support open file formats for easy adoption into existing tools. Sub pixel accuracy along with selectable resolutions are supported.

Depth

Along with the segmentation of the virtual scene we generate a depth map which is shown here a visual graphic.

Optical Flow

Independent of the Scene Flow an Optical Flow output engine is integrated in our pipeline allowing cross checks of the Scene Flow with same open file formats.

Localization / odometry
For cross check and implementation of odometry algorithms dedicated visiual odometry markers are implementable.

Semantic segmentation
Along different groups and color conventions such as City Scapes. Level of detailed up to each pixel with unique identifiers.

Freespace detection
BIT SW products detect and describe free space with a consisten file format which looks in a visual form like this:

Traffic sign detection

Growing catalog of international traffic signs & lights along with variations on effects such as dirty, damage, oclusion, bending, painting and others. We these variations critical corner cases are generated to increase the covergae of the learning.

Depht -Variant binary file

Depht- Variant ASCII text file

Standard pinhole camera

 

Fast adoption of synthetic models to offer corner case variations based on real world inputs. Easy adoption of camera parameters, resolution, dynamic car behavior to debug machine learning.

 

Inner city heavy traffic / congestion

Inner city
– Altheimer Eck + Variations and extensions

Highway

Germany / Switzerland / USA / Urban highway with divider / Highway entrance ramp and exit / Toll station / Mountain-road / Seaside / Forest / Desert

Parking open

Parking garage

 

Suburban
– inner and outer Parkring + variations and extensions

Normal / Night / Rain / Night with rain / Fog / Snow / Dawn/Dusk

NCAP scenarios / NCAP Emergency Brake Test

Jogger
– Animation can be done with behavioral models (in research with partners)

Pedestrian 1

Pedestrian 2

Child
Partly occluded objects / early detection of suddenly appearing objects

Partly occluded pedestrian

Partly occluded cyclist

Partly visible car / Bicycle

Child running onto street / objects falling onto the street

Detecting people’s poses/gestures

Cyclists giving hand signals for turning left/right / Policeman giving hand signals / Pedestrian behavior prediction

Unknown objects which weren’t trained in standard use cases

Animals (non stationary) / Unknown objects / obstacles (non stationary) / Unknown objects / obstacles (stationary)

“Soft” unknown objects / obstacles (stationary) – overdrivable / Objects hard to detect / Accidents

Static objects / content

Unknown static objects / obstacles

“Soft” unknown objects / obstacles – overdrivable

Dynamic objects

Car

Transporter/Caravan

Truck / Tram / Special vehicles / Trailer

Bicycles

Motorbikes

Pedestrians

Animals / Unknown dynamic objects

Urban

Traffic Calmed Zone / Residential Area

Bidirectional / One way

Sub Urban

Bidirectional / One way / With divider / Urban Highway / Urban Highway with divider

 

Single solid / Double solid / Dashed / Double dashed / Curb / Barrier Jersey / Guard Rail / Fence / Cliff / Ditch

Benötigen Sie weitere Informationen?

Kontaktieren Sie uns