3D-Visualisierungen in Automobilen generieren ihre dynamischen Inhalte über Umfeldsensoren in Kombination mit Kartendaten und Kamerabildern. Kostspielig manuell vordefinierte Testfälle überprüfen diese Benutzeroberflächen. Im Projekt soll ein Werkzeug erstellt werden, das darauf zielt, solche Visualisierungen mittels aktuellster Forschung in den Bereichen Computer Vision und maschinelles Lernen automatisiert zu testen.
Aufwändige Visualisierungen basierend auf 3D-Computergrafik nehmen zunehmend Einzug in unseren Alltag, insbesondere in unsere Automobile. In klassischen Navigationssystemen werden Straßen, Gebäude und das Gelände in der dritten Dimension dargestellt, die zunehmend zur Visualisierung zahlreicher Fahrassistenzsysteme verwendet werden. Neuerdings halten sie auch Einzug in Augmented-Reality-basierte Navigationssysteme. Solche Systeme werden unter anderem auch durch das bayerische Unternehmen e.solutions GmbH in Erlangen entwickelt.
Die Darstellung solcher 3D-Inhalte zu testen ist eine erhebliche Herausforderung. Gleichzeitig werden 3D-Inhalte zunehmend sicherheitsrelevant. Aktuell werden diese Anwendungen mittels manuell definierter statischer Tests geprüft. Das ist zeit- und kostenintensiv. Die Evaluation ist zum einen auf die Anzahl solcher manuell erzeugter Testszenarios beschränkt, die unmöglich alle Eck-Probleme abfangen können. Zum anderen müssen 3D-Szenen vorgerendert werden, was insbesondere bei wechselnden Designs sehr aufwendig ist.
Das Projekt löst mittels modernster und neu entwickelter Methoden im Bereich Computer Vision und maschinelles Lernen diese Probleme. Automatisch generiert es Testfälle und erkennt zudem Fehler, ohne manuell erzeugte Testszenarios oder Vorrenderings.
