Einfach bessere Daten: FZI veröffentlicht Datensatz für Forschung und kommerzielle Anwendungen für das autonome Fahren

fTeilen

Das FZI Forschungszentrum Informatik veröffentlicht mit FZI-AURA einen
offenen Datensatz für die Entwicklung automatisierter Fahrfunktionen. Er
enthält synchronisierte Kamera-, LiDAR- und Radardaten aus realen
Verkehrssituationen und wird schrittweise um Annotationen ergänzt. Dank
klarer Lizenzbedingungen kann der Datensatz sowohl für wissenschaftliche
als auch für kommerzielle Anwendungen frei genutzt werden.

Entstanden ist
FZI-AURA im Projekt jbDATA, das mit einem Smart Data Loop relevante
Verkehrsszenarien gezielt erfasst, Datenmengen reduziert und so den
Informationsgehalt der Aufnahmen erhöht. Datenschutzrelevante Bildbereiche
wurden vor der Veröffentlichung anonymisiert.

Zum Abschluss des Forschungsprojekts jbDATA veröffentlicht das FZI
aufbereitete Verkehrsdaten für die Entwicklung automatisierter
Fahrfunktionen. Der Datensatz FZI-AURA steht auf Hugging Face als Open
Data bereit und kann von Wissenschaft und Industrie auch kommerziell
genutzt werden. Zugleich zeigt das Projekt, wie sich relevante
Verkehrssituationen gezielter erfassen und große Datenmengen effizient
reduzieren lassen.

Hochwertige Datensätze sind eine wichtige Grundlage für das Training, die
Überprüfung und die Weiterentwicklung KI-basierter Fahrfunktionen. Für die
Verwendung entscheidend ist jedoch nicht ausschließlich die Qualität der
Daten, sondern auch die Lizenzbedingungen, die oftmals eine kommerzielle
Nutzung verhindern.

Mit FZI-Aura veröffentlicht das FZI Forschungszentrum Informatik einen
hochwertigen Open-Data-Datensatz, der sowohl für wissenschaftlich als auch
nahtlos für die kommerzielle Weiterentwicklung genutzt werden können, wie
zum Beispiel für die Entwicklung von Wahrnehmungsmodellen, die Erprobung
von Algorithmen oder die Überprüfung automatisierter Fahrfunktionen.

Enthalten sind zeitlich aufeinander abgestimmte Kamera-, LiDAR- und
Radardaten aus realen Verkehrssituationen. Ergänzt werden die Rohdaten
schrittweise durch Annotationen wie 3D-Bounding-Boxen und semantisch
segmentierte Punktwolken. Hierfür werden die LiDAR-Punktwolke in Klassen
wie Straße oder Fahrzeug sowie Markierungen eingeordnet, die Objekte in
den Sensordaten kennzeichnen und über mehrere Aufnahmen hinweg verfolgen.
Dadurch können die Daten direkt für das Training und die Bewertung von KI-
Modellen eingesetzt werden.

Gezielt relevante Verkehrsdaten erfassen

Im Projekt jbDATA wurde untersucht, wie Messfahrzeuge gezielter solche
Verkehrssituationen erfassen können, die bestehende Datensätze sinnvoll
ergänzen. Ein Smart Data Loop analysiert dafür vorhandene Daten, erkennt
Lücken und leitet daraus Anforderungen für weitere Aufnahmen ab. So lassen
sich die Aufnahmefunktionen eines Fahrzeugs beispielsweise auf bestimmte
Verkehrssituationen oder Objektklassen ausrichten.

Dieser Ansatz reduziert den Speicher- und Verarbeitungsaufwand und erhöht
zugleich den Informationsgehalt der gesammelten Daten.
Datenschutzrelevante Bildbereiche wurden vor der Veröffentlichung mithilfe
von Anonymisierungsmethoden bearbeitet, die am FZI entwickelt wurden.

Über jbDATA und jbDATAset

Der Datensatz FZI-AURA ist ein Teil des im Forschungsprojekt just better
DATA entwickelten Datensatzes jbDATAset. Neben dem FZI stellen auch die
Projektpartner AVL und b-plus eigene Sensordaten bereit. Alle Datensätze
sind für eine Kompatibilität untereinander entsprechend angeglichen.

„Forschungsdaten entfalten ihren Wert vor allem dann, wenn sie über
mehrere Projekte hinweg genutzt werden können. “, erklärt Dr.-Ing. Philip
Schörner, Projekteiter am FZI. „Mit FZI-AURA stellen wir einen
hochwertigen Datensatz bereit, welcher nicht nur offen zugänglich ist,
sondern dank klarer Nutzungsrechte auch in industriellen Anwendungen
eingesetzt werden darf. Damit schaffen wir eine wichtige Grundlage für
weitere Forschung und den Transfer in die Praxis“.

Das FZI war im Projekt jbDATA an der Konzeption der Datenerhebung, der
intelligenten Auswahl relevanter Verkehrsszenarien und der Aufbereitung
der Daten beteiligt. Die Verkehrsdaten wurden mit der FZI-
Versuchsplattform CoCarNextGen erhoben. Für die Verarbeitung
datenschutzrelevanter Bildbereiche kamen Anonymisierungsmethoden zum
Einsatz, die im Kontext des FZI-Projekts ANYMOS entwickelt wurden.

erstellt mit KI-Unterstützung
Generative KI wurde für die Fehlerkorrektur und erstellung der
Zusammenfassung genutzt.