3D-Safety

In Anbetracht steigendem Wettbewerbs stehen Hafenbetrieber vor der Herausforderung, ihre Häfen und Terminals effizient und damit zunehmend automatisiert zu betreiben. Der zunehmende Automatisierungsgrad bei gleichzeitiger Minimierung der Risiken stellt wiederum besondere Ansprüche an die eingesetzte Technik.

Um eine Personensicherheit im Hafenbereich zu gewährleisten, soll eine neue Klasse von sog. 3D-Multilayerscannern eingesetzt werden. Um Zertifikationsstatus zu erreichen, ist es nicht nur erforderlich, die Daten ausreichend schnell auszuwerten, sondern es muss sichergestellt werden, dass die Personenerkennung redundant, also über mehrere Sensoren und zwei unabhängig arbeitende Algorithmen erfolgt.

Ziel des Vorhabens ist die Entwicklung eines Auswertesystems, welches diese zertifizierte Personensicherheit im Hafenbereich, basierend auf 3D-Multilayerscannern gewährleistet. Dieses System soll neben den redundant arbeitenden Algorithmen über eine > 128-fach gesteigerte Datenverarbeitung, eine Bildrate von 10 Hz und eine Signalreichweite von 100 m verfügen.

Nach einer vorbereitenden Datenverarbeitung soll die Datenauswertung über 4 verschiedene methodische Ansätze entwickelt, getestet und bewertet werden: Geplant ist die Anwendung von Statistischen Algorithmen, der Einsatz einer Hauptkomponentenanalyse, die 2D-Bilderkennung über trainierte neuronale Netze bzw. die Objekterkennung in der 3D-Punktwolke über eine trainierte Kl. Abschließend sollen die vier entwickelten Algorithmen mittels Ensemble Learning verknüpft werden, um einerseits die Unsicherheit des Auswertesystems zu erhöhen und andererseits die erforderliche Redundanz zu gewährleisten.

Aufgrund der zu entwickelnden Systeme und Funktionen kann die Sicherheit bei der Logistik tonnenschwerer Güter in einem zeitkritischen Menschen-Maschine-Verbund erheblich verbessert werden. Perspektivisch kann die entwickelte Technologie nach Projektende auch auf weitere Anwendungen mit nowendiger Personensicherheit, z. B. fahrerlose Transportsysteme, übertragen werden.