Zum Hauptinhalt springen

Automobilindustrie

Computer Vision und 3D-Erfassung für Fahrzeuge: geführte Fotografie, Echtzeit-Posenschätzung, Zustandsdokumentation sowie Scans für Passform und Sonderanfertigungen.

Laan Labs entwickelt Computer-Vision- und 3D-Erfassungssoftware für Automobilhersteller, Händler, Online-Marktplätze, Versicherer und Zubehörunternehmen. Ein Smartphone erkennt ein Fahrzeug, schätzt dessen Position und Ausrichtung in Echtzeit, führt die Person, die es hält, zu den richtigen Aufnahmen und erfasst das Auto als Fotos, als 3D-Scan oder als fotorealistischen Splat. Für einen deutschen Automobilhersteller hat Laan Labs eine App entwickelt, die Autoverkäufer zu einheitlichen, hochwertigen Fotos führt und dafür ein speziell trainiertes Netz zur Posenschätzung nutzt.

Autos sind für Computer Vision schwierige Motive. Sie sind groß, glänzend und spiegelnd, sehen bei jedem Licht und in jeder Umgebung anders aus, und die Menschen, die sie fotografieren, sind Verkäufer, Besitzer und Techniker, keine Fotografen. Laan Labs hat das Problem von beiden Enden her angegangen: mit den Modellen, die ein Fahrzeug im Kamerabild verstehen, und mit den synthetischen Trainingsdaten, die das Training dieser Modelle bezahlbar machen, wobei mehr als 10.000 gelabelte Bilder gerendert statt fotografiert und von Hand annotiert wurden.

Dieselbe Erfassung nützt auch der Werkstatt. Ein Scan eines Motorraums, eines Radkastens oder eines Innenraums gibt einem Umbauer oder Teilehersteller echte Geometrie, an der er konstruieren kann, und eine datierte 3D-Dokumentation eines Fahrzeugs zeigt, in welchem Zustand es sich bei der Übergabe, bei der Rückgabe oder vor einer Reparatur befand.

Wie Laan Labs unterstützt

Geführte Fahrzeugfotografie
Ein Erfassungsablauf, der das Auto erkennt, dem Verkäufer zeigt, wo er für jede Standardaufnahme von Außen- und Innenraum stehen soll, und Bildausschnitt, Beleuchtung und Schärfe prüft, bevor das Foto akzeptiert wird, sodass Inserate einheitlich aussehen, wer auch immer fotografiert hat.
Echtzeit-Posenschätzung von Fahrzeugen
Neuronale Netze, die Position und Ausrichtung eines Autos mit der Smartphone-Kamera schätzen, auf dem Gerät und in Echtzeit, wie in Echtzeit-3D-Posenschätzung von Autos, trainiert mit synthetischen Daten beschrieben.
Synthetische Trainingsdaten
Fotorealistische Renderings von Fahrzeugen über Modelle, Farben, Beleuchtung, Wetter und Hintergründe hinweg, mit Labels für Pose, Umriss und Keypoints, die aus der 3D-Szene berechnet werden. Sie ersetzen den Großteil der Fotografie und manuellen Annotation, die ein Vision-Modell sonst benötigt.
AR am und um das Fahrzeug
Grafiken, Funktionen und Zubehör, im wahren Maßstab an einem realen Auto verankert, auf Smartphone, Tablet oder Headset, für Produkterklärung, Konfiguration, Anleitung für Besitzer und Serviceanweisungen.
Zustands- und Schadensdokumentation
Eine Rundgangserfassung bei der Annahme, der Leasingrückgabe, der Mietfahrzeugübergabe oder der ersten Schadenmeldung, wobei jedes Foto und jeder Befund seinem Ort am Fahrzeug zugeordnet ist. Derselbe Ansatz dient auch Versicherungsschäden.
Scans für Passform und Sonderanfertigungen
LiDAR- und Foto-Scans von Motorräumen, Radkästen, Innenräumen und Karosserieteilen, als Meshes für CAD exportiert, sodass Halterungen, Bodykits, Folierungen und Innenraumteile am realen Fahrzeug konstruiert werden und nicht an einer Zeichnung davon.
Fotorealistisches 3D für Inserate und Showrooms
Gaussian-Splat-Erfassungen eines Fahrzeugs, innen und außen, die Lack, Glas und Chrom besser wiedergeben als ein herkömmlicher 3D-Scan und sich von der Inseratsseite aus im Browser öffnen.

Wo Sie beginnen

Die meisten Automobilprojekte beginnen mit einem Schritt in einem Workflow, etwa Inseratsfotos für einen Marktplatz, Rückgabeinspektionen für eine Flotte oder Scans für eine Familie von Zubehörteilen. Laan Labs baut innerhalb weniger Wochen einen funktionierenden Prototyp und testet ihn an echten Fahrzeugen unter realen Bedingungen, im Freien und bei schlechtem Licht, denn dort entscheidet sich, ob Bildverarbeitungssysteme für Fahrzeuge funktionieren.

Das Ergebnis kann als White-Label-App, als Komponenten in einer bestehenden App oder als trainierte Modelle samt der dahinterstehenden Datenpipeline geliefert werden. Siehe Entwicklung von Computer Vision und KI und 3D-Erfassung und Technologielizenzierung.

Produkte von Laan Labs in diesem Bereich

  • 3D Splat App — Fotorealistische Gaussian-Splat-Erfassungen auf dem Mac
  • RadianceView — Scans, Splats und Fotos als eine Zustandsdokumentation

Häufige Fragen

Kann ein Smartphone erkennen, wo ein Auto steht und wie es ausgerichtet ist?

Ja. Laan Labs hat ein neuronales Netz trainiert, das die 3D-Pose eines Autos mit der Smartphone-Kamera in Echtzeit schätzt, und es in einer App für einen deutschen Automobilhersteller eingesetzt, um Verkäufer für jedes Foto in die richtige Position zu führen. Das Modell läuft auf dem Gerät, sodass die Führung reagiert, während sich die Person bewegt.

Warum Fahrzeugmodelle mit synthetischen Daten trainieren?

Echte Fotos von Autos müssen an vielen Orten aufgenommen und von Hand gelabelt werden, was langsam, teuer und fehleranfällig ist, besonders bei der 3D-Pose. Synthetische Bilder werden aus 3D-Automodellen gerendert, wobei exakte Labels automatisch erzeugt werden, und können Farben, Beleuchtung, Wetter und Hintergründe abdecken, die sich nur schwer sammeln lassen. Laan Labs hat auf diese Weise mehr als 10.000 gelabelte Bilder für ein Projekt zur Posenschätzung von Autos erzeugt.

Ist ein Smartphone-Scan genau genug, um Teile für ein Fahrzeug zu konstruieren?

Für Bauraum, Freiräume, Leitungsführung und die grobe Form eines Karosserieteils oder Motorraums ja: LiDAR von iPhone und iPad ist auf etwa einen Zentimeter genau, und der TrueDepth-Sensor löst im Nahbereich feinere Details auf. Teile, die auf einen Millimeter oder genauer passen müssen, etwa Anlageflächen und Lochbilder, sollten mit einem Streifenlicht- oder Laserscan abgeglichen oder direkt gemessen werden. Laan Labs baut Workflows, die jede Methode dort einsetzen, wo sie passt.

Wie werden glänzender Lack und Glas behandelt?

Spiegelnde und transparente Oberflächen sind für Tiefensensoren und Photogrammetrie gleichermaßen schwierig. Gaussian Splatting bildet ihr Aussehen gut ab, weil es modelliert, wie Licht die Oberfläche verlässt, und die geführte Erfassung hilft, indem sie Winkel und Abdeckung steuert. Wo saubere Geometrie eines glänzenden Karosserieteils erforderlich ist, bleiben ein mattierendes Scanspray oder ein spezieller Scanner der verlässliche Weg.