
Snellere vrijgave van autonome software met DeepScenario en TNO’s StreetWise
Veilig autonoom rijden vereist een diepgaand begrip van het verkeer in de echte wereld binnen het operationele domein van een voertuig. Traditionele gegevensverzameling met prototypes is kostbaar en traag, en het analyseren van de gegevens vereist geavanceerde tools. Om dit op te lossen, bieden DeepScenario en TNO een datagestuurde oplossing die al wordt gebruikt door Torc Robotics en andere autobedrijven.
Toegang tot hoogwaardige verkeersgegevens wereldwijd met DeepScenario
De AI-software van DeepScenario biedt klanten cruciale mogelijkheden om video's van elke monoculaire camera te virtualiseren, inclusief dashcams, verkeerscamera's of drones. Gebruikers kunnen grootschalige gegevenscampagnes uploaden naar het webplatform van DeepScenario, waar ze worden verwerkt door de eigen computer vision-software van het bedrijf.
Hun 3D-virtualisatiepijplijn detecteert en volgt alle dynamische objecten in de scène met centimeterprecisie, en biedt cruciale informatie zoals posities, afmetingen en snelheden voor gegevensanalyse. De verwerkte gegevens kunnen vervolgens direct vanaf het webplatform worden gedownload.
Door zowel bewegende als stationaire camera-opstellingen te ondersteunen, ontsluit deze veelzijdige technologie niet alleen het volledige potentieel van vlootgegevens, maar versnelt het ook de gegevensverzameling op kritieke locaties zoals kruispunten. Opmerkelijk is dat de stationaire aanpak 100 keer sneller is in vergelijking met speciale meetvoertuigen voor gerichte scenarioverwerving.
Maximale inzichten uit trajectgegevens halen met TNO’s StreetWise
StreetWise is een krachtig hulpmiddel voor datasetkarakterisering dat gebruikers helpt te begrijpen welke verkeerssituaties worden weergegeven door trajectgegevens in deze datasets. Dit is een cruciale stap in ODD-modellering voor het stellen van eisen en veiligheidsvalidatie. Daarnaast helpt het bij het beheren van gegevens en het visualiseren van de dekking voor machine learning-componenten in autonome voertuigen.
Door echte verkeersgegevens te gebruiken, kunnen relevante scenario's worden geïdentificeerd voor specificatie, testen, training en veiligheidsvalidatie. Dit vermijdt de problemen van "saaie kilometers" en onrealistische simulaties, wat veel tijd en kosten bespaart en een maximaal rendement op gegevensverzameling oplevert.

Geïntegreerde aanpak voor de implementatie van autonoom rijden
De samenwerking tussen DeepScenario en TNO opent nieuwe mogelijkheden voor de kosteneffectieve en efficiënte ontwikkeling van autonome software. Door deze synergie kunnen door DeepScenario geëxtraheerde trajectgegevens direct worden ingevoerd in TNO’s StreetWise om scenario's te identificeren voor datagestuurde specificatie, ontwikkeling en validatie. De combinatie van beide oplossingen leidt tot snellere ontwikkelingscycli en versnelt de vrijgave van autonome systemen.
Geïnteresseerde gebruikers kunnen deze krachtige toolchain testen door reeds verwerkte verkeersgegevens te downloaden van het webplatform van DeepScenario en een demo van TNO’s StreetWise aan te vragen.
Neem contact met ons op
Laat je verder inspireren
MARQ opent zijn deuren: een plek om samen te werken aan de mobiliteit van de toekomst


Demonstraties geautomatiseerd rijden en laden voor logistiek op de Maasvlakte


Opening van MARQ: Innovatiecentrum voor Smart Mobility op de Automotive Campus in Helmond


Nu instappen in autonoom transport? 5 dingen die je moet weten


Connected mobility

