Die Motivation des Forschungsvorhabens liegt in der Integration autonomer Echtzeitanwendungen in der realen Welt, die zuverlässige und robuste Verfahren erfordern. Das Hauptziel besteht darin, die Effizienz und Robustheit einer Anwendung zur ökonomischen Ermittlung des Straßenzustandes zu steigern.
Dies wird im Zuge der Entwicklung eines mobilen Messsystems für die automatisierte Erfassung von Straßenschäden realisiert. Insbesondere liegt der Fokus auf der Registrierung multimodaler Daten, wobei die Robustheit gegenüber Störfaktoren wie beispielsweise Abschattungen verbessert werden muss. Fokusiert wird die Erforschung der Interpretierbarkeit und Kenntnis der Sensitivitätsgrenzen von KI-Systemen. Die These wird aufgestellt, dass durch die Kenntnis dieser Grenzen Substitutions-Szenarien identifiziert werden können, die zu einer gesteigerten Ökonomie des Systems beitragen.
Zur Entwicklung des mobilen Messsystems erfolgt der Einsatz von Solid State LiDAR, Kameras und Inertial Measurement Unit (IMU), um Ebenheiten und Substanzmerkmale zu erfassen. Herausfordernd ist hierbei die notwendige geschickte Kombination mehrerer Methoden für das Preprocessing.
