Die Forschungsgruppe Computer Vision for Intelligent Mobility Systems befasst sich mit Deep Learning Methoden zur Analyse und Generierung von Bilddaten. Dabei werden Daten aus unterschiedlichen bildgebenden Sensoren im zwei- sowie dreidimensionalen Raum verarbeitet. Ziel der Forschungsgruppe ist die Entwicklung einer super-human Wahrnehmung für automatisierte Fahrzeuge, Fluggeräte, Schienenfahrzeuge, und sonstige Fortbewegungsmittel sowie die Analyse von Bilddaten aus Infrastruktursensoren zur Verkehrsüberwachung. Um dieses Ziel zu erreichen, forscht die Gruppe an neuartigen Deep Learning Architekturen und deren Anwendung auf Mobilitätssysteme. Ein wichtiger Baustein davon ist die zuverlässige Erkennung von Objekten sowie die vollständige semantische Segmentierung der Umgebung auch unter schwierigen Bedingungen wie starker Regen oder Schneefall. Hierfür werden meist mehrere Sensormodalitäten verwendet, welche mittels Deep Fusion zusammengeführt werden können. Um die Vielzahl an Trainingsdaten zu erzeugen, befasst sich die Forschungsgruppe weiter mit der Simulation von Bilddaten und wie diese mittels Transfer Learning oder Generative Adversarial Networks so umgewandelt werden können, dass sie wie reale Daten erscheinen.
Neben den Bestrebungen im Mobilitätsbereich engagiert sich die Forschungsgruppe für den Einsatz von Computer Vision für verbesserten Umweltschutz und mehr Nachhaltigkeit.
