Synthetische Daten · Hinderniserkennung am Gleis
Synthetische Daten für die Hinderniserkennung am Gleis: Die Schienen sind das Lineal
Auf ein Hindernis im Gleis kann man nicht warten, und man kann keines nachstellen. Deshalb entstehen die Trainingsdaten auf realen Führerstandsaufnahmen, und jeder Schritt wird gemessen: Die Schienen liefern Horizont und Maßstab ohne Kalibrierung, ein platziertes Hindernis bleibt in der Szene fest, sein Label folgt dem sichtbaren Teil.
Kapitel
SYNTHETISCHE DATEN
Das Material wurde in Blender erzeugt und ist keine Feldaufnahme. Die Boxen sind beim Rendern erzeugte Ground Truth, keine Modellvorhersagen. Interne F&E-Arbeit.
01Was der Film zeigt
Hindernisse im Gleis sind genau die Daten, die ein Detektor braucht und niemand sammeln kann: selten, gefährlich und nicht nachstellbar. Deshalb entstehen die Trainingsdaten auf realen Führerstandsaufnahmen. Das Ego-Pfad-Modell findet in jedem Frame den eigenen Fahrweg des Zuges, und die Geometrie übernimmt das Messen: Der Abstand zwischen den Schienen wird zum Horizont hin linear kleiner, also liefern die Schienen Horizont und Maßstab, ohne Kamerakalibrierung.
Von Frame zu Frame verfolgte Bodenpunkte messen die zurückgelegte Strecke; ein platziertes Hindernis bleibt in der Szene fest und wächst wie ein echtes Objekt. Sein Label ist ein Polygon dessen, was tatsächlich sichtbar ist, gewonnen aus dem Umriss des Bildes selbst, und es folgt diesem Teil auch, wenn das Hindernis den Bildausschnitt verlässt. Die Hindernisbilder stammen aus einer generierten, automatisch geprüften Bibliothek, und kein synthetisches Bild gelangt ins Training, bevor ein Mensch es freigibt.
Vollständig synthetische Visualisierung: Die Bahnstrecke ist eine 3D-Szene, die Hindernisbilder stammen aus unserer eigenen generierten Bibliothek. Die Pipeline selbst arbeitet auf realen Führerstandsaufnahmen, die in diesem Film nicht gezeigt werden. Die Zahlen sind Prüfstandsmessungen der Spikedge-F&E vom September 2026: 1.672 Frames eines Führerstandsclips, in denen eine klassische Texturmaske den Gleiskorridor in 62,6 % der Frames falsch verortete und das Ego-Pfad-Modell in 0 %, sowie eine Validierungsszene mit 8 Hindernissen. Die Erkennungsleistung im Feld ist noch nicht gemessen.
02Transkript
Der Film ist englisch vertont. Unter jeder Zeile steht der Originaltext; ein Klick auf den Zeitstempel startet den Film an dieser Stelle.
Manche Ereignisse sind zu selten, um sie aufzuzeichnen, und zu gefährlich, um sie nachzustellen.
Some events are too rare to record, and too dangerous to stage.
Ein Detektor braucht trotzdem Tausende annotierte Frames davon.
A detector still needs thousands of labelled frames of them.
Wir beginnen mit realen Führerstandsaufnahmen und bestimmen den eigenen Fahrweg des Zuges.
We start from real cab-view video, and find the train's own path.
Keine Kalibrierung nötig. Der Abstand zwischen den Schienen wird linear kleiner: Die Schienen sind das Lineal.
No calibration needed. The gap between the rails narrows in a straight line: the rails are the ruler.
Bodenpunkte messen die zurückgelegte Strecke, also bleibt das Hindernis an seinem Platz und wächst, wie es soll.
Ground points measure the distance travelled, so the obstacle stays put, and grows as it should.
Das Label entsteht aus der Geometrie und folgt dem, was sichtbar bleibt.
The label comes from geometry, and follows what stays visible.
Die Hindernisse stammen aus einer generierten Bibliothek, automatisch geprüft.
The obstacles come from a generated library, checked automatically.
Und kein synthetisches Bild gelangt ins Training, bevor ein Mensch es freigibt.
And no synthetic image reaches training until a person approves it.
Wir messen jeden Schritt. Was wir noch nicht gemessen haben, behaupten wir nicht.
We measure every step. What we haven't measured yet, we don't claim.
