Dieses Projekt beschäftigt sich mit der Erforschung der Objekterkennung in Bilddateien und der Entwicklung eines Konzepts zur Erkennung von Objekten in bereits vorhandenen oder selbst generierten Datensätzen. Ziel ist es, die Logistikbranche durch die Implementierung von KI-Lösungen zu digitalisieren und zu optimieren. Insbesondere wird die automatische Vermessung von Frachtstücken in Logistikzentren angestrebt, um die Beladung von LKWs effizienter zu gestalten und Platz auf der Ladefläche zu sparen.

Derzeit basiert die Beladungsplanung oft auf der Annahme, dass Frachtstücke einfache geometrische Formen wie Würfel oder Quadern sind. Abweichungen von diesen Formen, wie beispielsweise herausragende Teile, werden nicht berücksichtigt, was zu ineffizienter Nutzung des Laderaums führen kann. Durch die Anwendung von künstlicher Intelligenz können Frachtstücke jedoch direkt während des Entladungsvorgangs vermessen und unregelmäßige Maße genau erfasst werden.

Da konkrete Logistikvorgänge streng vertraulich sind, gestaltet sich das Erlangen von Videomaterial oder Bildmaterial, das den Entladungsvorgang eines LKWs zeigt, als große Herausforderung. Aus diesem Grund wurde eine Simulationsumgebung entwickelt, die es ermöglicht, verschiedene Entladungsszenarien zu simulieren und so die Objekterkennungsalgorithmen zu trainieren und zu optimieren.