Automated fault detection process for environment and obstacle detection
Precise environment detection is essential for fully automated driving in open networks. Digitale Schiene Deutschland has developed a process that automates and significantly accelerates the quality assurance and error detection of sensor data annotations.
A fully automated train uses state-of-the-art technology for environment and obstacle detection: sensors such as radar, Lidar, cameras, ultrasound and infrared monitor the route, detect the environment and recognise obstacles. Supported by artificial intelligence (AI), which is based on large amounts of data, this environment detection is constantly being refined. The "Data Factory" acts as a central platform for storing, processing and annotating this sensor data and provides a solid basis for training the AI models, which have to identify objects reliably and precisely.
Eine Annotation markiert relevante Objekte und versieht sie mit spezifischen Attributen. Da die Umgebungserkennung im Bahnbereich sicherheitskritisch ist, sind höchste Qualitätsstandards für diese Annotationen unerlässlich. Bisher werden diese Standards überwiegend durch manuelle Kontrollen sichergestellt; jedoch drängt angesichts wachsender Datenmengen die Notwendigkeit zu automatisierten Verfahren, die Fehler wie Größen- oder Attributfehler schneller identifizieren und die Datenaufbereitung beschleunigen.
An annotation marks relevant objects and provides them with specific attributes. As environmental perception is safety-critical in the railway sector, the highest quality standards are essential for these annotations. Until now, these standards have mainly been ensured by manual checks; however, in view of the growing volume of data, there is an increasing need for automated processes that identify errors such as size or attribute errors more quickly and speed up data preparation.
Hier setzt eine von der Digitalen Schiene Deutschland entwickelte Lösung an: Eine präzises Qualitätsprüfungssoftware erkennt automatisch zehn typische Fehlerarten in annotierten Sensordaten – mit beeindruckenden Ergebnissen. Acht der implementierten Prüfverfahren erreichen eine sehr hohe Präzision in der Fehlererkennung und setzen neue Maßstäbe in der Effizienz der Datenaufbereitung. Neben einer Qualitätsverbesserung der Datensätze führt die automatische Qualitätsprüfung zudem zu einer Reduzierung des manuellen Arbeitsaufwandes in Annotationsprojekten. Mit dieser Innovation kann die Entwicklung des vollautomatisierten Fahrens auf der Schiene beschleunigt werden.
This is where a solution developed by Digitale Schiene Deutschland comes in: Precise quality inspection software automatically recognises ten typical error types in annotated sensor data - with impressive results. Eight of the implemented test procedures achieve a very high level of precision in error detection and set new standards in the efficiency of data processing. In addition to improving the quality of the data sets, the automated quality check also reduces the amount of manual work involved in annotation projects. This innovation can accelerate the development of fully automated driving on the railway.
The October issue of the specialist magazine “Der Eisenbahningenieur” describes the automated quality check of sensor data annotations in more detail and presents the results of the error detection (only in German).
