Elektroniknet Logo

Autonomes Fahren sicherer machen

ASAM veröffentlicht ersten Standard zum Thema Annotation

ASAM Standard OpenLABEL
ASAM hat den ersten Standard für das Labeln von Multi-Sensordaten und das Taggen von Szenarien herausgebracht.
© ASAM

Der neue Standard ASAM OpenLABEL befasst sich mit der Annotation von Multi-Sensordaten und Szenarien. Er definiert ein Datenmodell sowie ein Datenformat für das Labeling von verschiedenen Sensordaten und das Tagging von Szenarien. Einsatzbereiche sind Fahrerassistenzsysteme und autonomes Fahren.

Um automatisiertes Fahren zu ermöglichen, muss ein Fahrzeug seine Umwelt wahrnehmen und die erfassten Daten verarbeiten. Hierzu werden in der Regel Machine Learning Techniken eingesetzt. Besonders das Training der Algorithmen benötigt hochwertig annotierte Daten, um eine verlässliche Funktion zu gewährleisten.

Kern-Herausforderungen sind dabei sowohl die großen Datenmengen, die benötigt werden, als auch deren eindeutige Kennzeichnung, damit Daten wiederverwendbar, teilbar und Ergebnisse reproduzierbar sind. Einige Organisationen bieten bereits offene Datenbanken an und stellen der Industrie Datensätze für diesen Zweck zur Verfügung. Jedoch verwenden sie in der Regel ihre eigenen Taxonomien, Formate und Datenmodelle, was deren Austauschbarkeit und Nutzbarkeit erschwert.

Daraus ergeben sich die folgenden Herausforderungen:

  • Die Datensätze der unterschiedlichen Organisationen lassen sich nur eingeschränkt miteinander vergleichen, nutzen oder teilen. 
  • Die annotierten Datensätze sind nur begrenzte wiederverwendbar. 
  • Die Pflege und Aktualisierung der Annotationen werden erschwert.
  • Dies hat negative Auswirkungen auf die Qualität der Annotationen.

Die eindeutige Kennzeichnung der Daten ist demnach eine wesentliche Voraussetzung für eine gemeinsame Nutzung und damit für die Sicherheit autonomer Fahrsysteme.  Sie ist oft mit enormem Aufwand und erheblichen Kosten verbunden. 

Labeling von Sensordaten & Tagging von Szenarien

OpenLABEL von ASAM (Association for Standardization of Automation and Measuring Systems) ist der erste Standard, der hierzu eine Lösung bietet: Der Standard spezifiziert ein Datenmodell sowie ein Datenformat zur Strukturierung und Organisation von Informationen, die zur Kennzeichnung von verschiedenartigen Sensordaten (zum Beispiel von Kameras, Lidar, Radar) in den sogenannten Labels genutzt werden. Zusätzlich definiert ASAM OpenLABEL eine Reihe von standardisierten Tags sowie ein Datenmodell zur Kategorisierung und Organisation von Szenarien.

Um eine eindeutige Bezeichnung der Labels, Tags und anderer Beschreibungselemente zu garantieren, sieht ASAM OpenLABEL die Nutzung von Ontologien vor. In dieser Vereinheitlichung sehen Experten große Chancen, dass der Standard zu einer grundlegenden Qualitätssteigerung der Datensätze sowie zu einer Effizienzsteigerung der Entwicklungszyklen führen wird. Auch wenn ASAM die Nutzung der hausinternen Ontologie empfiehlt, der ASAM OpenXOntology, die im Dezember 2021 releast wird, lässt sich ASAM OpenLABEL auch mit anderen Ontologien und Taxonomien verwenden. 

Der neue Standard wurde von einer international besetzen Arbeitsgruppe von Experten aus 22 ASAM-Mitgliedsunternehmen entwickelt. Sie haben mit ihrem Fachwissen dazu beigetragen, dass der neue Standard die Anforderungen und Erwartungen der Branche erfüllt.

Potenzielle Anwender von ASAM OpenLABEL sind beispielsweise Spezialisten für Machine Learning, Wahrnehmung und/oder Computer-Vision, Datenbeschriftung, Testverfahren, Systeme, Validierung und Verifizierung von ADAS und AV, funktionale Sicherheit sowie für Simulation.


Das könnte Sie auch interessieren

Verwandte Artikel

WEKA FACHMEDIEN GmbH