Untersuchung der Eignung von 3D Gaussian Splatting zur Erzeugung statischer Umgebungen für fotorealistische Echtzeitsimulationen

Kontext

Die fortschreitende Entwicklung hochautomatisierter Fahrfunktionen erfordert innovative Ansätze zur Simulation und Absicherung. Fotorealistische Echtzeitsimulationen ermöglichen es, das Verkehrsumfeld detailliert nachzubilden und die Interaktion zwischen automatisierten Fahrzeugen und ihrer Umwelt unter verschiedenen Bedingungen zu testen. Hier bietet der 3D Gaussian Splatting-Ansatz aus dem Bereich der Radiance Field-Methoden eine neue Perspektive. Durch die Fähigkeit, hochwertiges Rendering in Echtzeit zu ermöglichen, stellt dieser Ansatz eine vielversprechende Möglichkeit dar, die reale Welt in eine Simulationsumgebung zu bringen. Die Anwendung dieser Methode zur Erzeugung statischer Umgebungen hat das Potenzial, die Entwicklung und das Testen von hochautomatisierten Fahrfunktionen signifikant zu beschleunigen und zu verbessern. Insbesondere das Testen KI-basierter bzw. kamerabasierter Fahrfunktionen kann von dieser Methode profitieren. 

Ziele

• Erzeugung statischer Umgebungen unter Verwendung des 3D Gaussian Splatting.
• Untersuchung der Herausforderungen bei der Darstellung dynamischer Objekte.
• Entwicklung von Filtermethoden für dynamische Objekte.
• Vergleich der Qualität, insbesondere im Hinblick auf den Fotorealismus, mit bestehenden Assets aus Spiel-Engines. Hierzu sollen geeignete Maße entwickelt werden.
• Untersuchung der Skalierbarkeit von 3D Gaussian Splatting in Bezug auf die Größe der Datensätze oder Modelle.

Voraussetzungen

• Grundkenntnisse in Computergrafik und Rendering.
• Kenntnisse in Blender und Unreal-Engine 5 sind von Vorteil
• Programmierkenntnisse, vorzugsweise in Python oder C++.
• Bereitschaft, sich in fortgeschrittene Rendering-Techniken einzuarbeiten.
• Selbständiges Arbeiten und Denken