Frühere Projekte

Bei Rover-Missionen zum Mars ist die Identifikation vielversprechender wissenschaftlicher Ziele eine Aufgabe mit hohem Aufwand. Erfahrene Planetenwissenschaftlerinnen und -wissenschaftlern bestimmen dabei jene Gebiete, die ein Rover besuchen wird, um diverse Messungen durchzuführen und eventuell Proben zu nehmen. Von großem Vorteil wäre, wenn die Rover eigenständig wissenschaftliche Ziele identifizieren können und die Wissenschaftler und Wissenschaftlerinnen dadurch bei der strategischen Entscheidungsfindung durch eine Vorauswahl möglicherweise interessanter Regionen unterstützen. Auf diese Weise könnte der wissenschaftliche Erkenntnisgewinn insgesamt gesteigert und das Übersehen von interessanten Merkmalen auf der Marsoberfläche reduziert werden.

Das von JOANNEUM Research geleitete Projekt Mars-DL untersucht in Zusammenarbeit mit SLR Engineering und dem Naturhistorischen Museum Wien, ob dieses Ziel durch ein Deep Learning (DL)-System erreicht werden kann. DL-Systeme haben sich als sehr erfolgreich für die Objekt- und Mustererkennung erwiesen. Sie benötigen jedoch riesige Mengen an Trainingsdaten, um zuverlässig arbeiten zu können. Da diese Datenmengen von vergangenen und laufenden Rover-Missionen nicht verfügbar sind, müssen sie simuliert werden.

Dies ist in diesem Projekt die Aufgabe von VRVis. Hierfür haben wir PRo3D, unseren Viewer für die Exploration und geologische Interpretation von Planetenoberflächenrekonstruktionen, erweitert, um verschiedene Arten von Trainingsbildern automatisch zu rendern. Das System wurde für die Erkennung von Strahlenkegel (Shatter Cones), die durch Asteroideneinschläge entstehen, trainiert. Verschiedene Strahlenkegel-Modelle werden automatisch auf einer definierten Marsoberfläche positioniert. Deren Größen und Ausrichtungen variieren dabei. Darüber hinaus werden sie farblich angepasst und mit der gleichen Beleuchtungsrichtung wie die Oberfläche schattiert, um sich perfekt in die Szene einzufügen. Zur automatischen Wiedergabe von Bildern aus verschiedenen Blickwinkeln der simulierten Szene wird PRo3D mit einem Skript gesteuert. Es können außerdem Masken und Tiefenbilder erzeugt werden, die für das Training notwendig sind.

Derzeit befindet sich das Projekt in der Phase der Bilderzeugung und des Trainings.

Die jüngste Publikation aus dem Projekt finden Sie hier.