BlueSwarm

In diesem Projekt wird ein digitalisiertes Verfahren zur Dokumentation der Fahrzeugschäden entwickelt. Dabei wird ein Quadcopter, ausgestattet mit einer Kamera, ein zugewiesenes Fahrzeug umfliegen und Bilder aufnehmen. Durch den Einsatz von maschinellem Lernen werden dann Bilder von z.B. vor und nach einem Fahrzeugtransport automatisiert verglichen und neue Schadstellen auf einer schematischen 3D-Darstellung angezeigt. Somit werden alle beschädigten Bereiche nachvollziehbar und genau dokumentiert und ein zeitaufwendiger manueller Vergleich entfällt. Besonders zeiteffizient ist der Einsatz von Quadcoptern auch für sehr große Fahrzeuge (z.B. LKW) um große und schwer erreichbare Flächen abzudecken oder bei der Inspektion von ganzen Fahrzeugflotten bspw. vor der Verladung auf ein Schiff. Dabei sollen auch mehrere Quadcopter parallel zum Einsatz kommen, die sich selbstbestimmt wie ein Schwarm die zu dokumentierende Fläche oder verschiedene Fahrzeuge aufteilen. Die ausgewerteten Daten werden dann in einer Dokumentationssoftware für die Mitarbeiter digitalisiert und angezeigt. Durch die autonome Arbeitsweise der Quadcopter bei der Planung und Durchführung der Inspektionsarbeiten ist keine manuelle Steuerung der Flugbahnen durch einen Mitarbeiter nötig.

Während der Projektlaufzeit soll das System für einzelne Fahrzeuge oder Fahrzeugflotten von Autovermietungen oder Leasingfirmen zum Einsatz kommen. Ein Einsatz von der hier im Projekt entwickelten Dokumentationsroutine kann aber auch auf Flugzeuge, Schiffe oder Züge übertragen werden. Zusätzlich ist auch eine Anwendung der autonom agierenden Quadkopterschwärme im Bereich Logistik, z.B. für die Inventarisierung von Beständen in großen Lagerhallen denkbar.

Im vorliegenden Projekt arbeiten die Inheaden GmbH aus Darmstadt und die Arbeitsgruppe Selbsorganisierende Systeme (SOS) der Technischen Universität Darmstadt zusammen. Die Inheaden GmbH ist ein junges Technologieunternehmen, welches Softwarelösungen für ihre Kunden entwickelt. Die Arbeitsgruppe SOS der TU Darmstadt forscht erfolgreich im Bereich maschinelles Lernen und künstliche Intelligenz und wendet diese mathematischen Grundlagen u.a. im Bereich der Steuerung von Quadcoptern an.