Automatisierte Schadstellenerkennung für unterschiedliche Fahrbahnbeläge

Das Straßennetz der DACH-Länder unterliegt einem permanenten Alterungsprozess und benötigt eine möglichst lückenlose Zustandserfassung und -bewertung, um notwendige bauliche Maßnahmen frühzeitig durchführen zu können. Dazu ist eine regelmäßige Erfassung der Fahrbahnoberfläche notwendig. Bei der bildhaften Erfassung mit Messfahrzeugen wird bereits ein hoher Automatisierungsgrad erreicht. Die Auswertung des Bildmaterials erfolgt jedoch bisher nur durch menschliche Experten. Dieser Prozess ist zeitintensiv und fehleranfällig. Im Forschungsprojekt kann gezeigt werden, dass unter Einsatz von Convolutional Neural Networks vielversprechende automatisierte Erkennungsleistungen erreicht werden. Zur Erhöhung der Generalisierungsfähigkeit soll eine breitere Datenbasis eingesetzt werden, welche unterschiedliche Straßenoberflächen im DACH Raum abdeckt. Dabei soll mittels maschineller Lernverfahren gezielt untersucht werden, welche Daten den größten Beitrag zu guter Generalisierung leisten.