Icon--AD-black-48x48Icon--address-consumer-data-black-48x48Icon--appointment-black-48x48Icon--back-left-black-48x48Icon--calendar-black-48x48Icon--Checkbox-checkIcon--clock-black-48x48Icon--close-black-48x48Icon--compare-black-48x48Icon--confirmation-black-48x48Icon--dealer-details-black-48x48Icon--delete-black-48x48Icon--delivery-black-48x48Icon--down-black-48x48Icon--download-black-48x48Ic-OverlayAlertIcon--externallink-black-48x48Icon-Filledforward-right_adjustedIcon--grid-view-black-48x48IC-logoutIC-upIcon--info-i-black-48x48Icon--Less-minimize-black-48x48Icon-FilledIcon--List-Check-blackIcon--List-Cross-blackIcon--list-view-mobile-black-48x48Icon--list-view-black-48x48Icon--More-Maximize-black-48x48Icon--my-product-black-48x48Icon--newsletter-black-48x48Icon--payment-black-48x48Icon--print-black-48x48Icon--promotion-black-48x48Icon--registration-black-48x48Icon--Reset-black-48x48share-circle1Icon--share-black-48x48Icon--shopping-cart-black-48x48Icon--start-play-black-48x48Ic-OverlayAlertIcon--summary-black-48x48tumblrIcon-FilledvineIc-OverlayAlertwhishlist

Diese Webseite nutzt unbedingt erforderliche Cookies. Wenn Sie auch der Verwendung von komfortbezogenen Cookies zustimmen, klicken Sie bitte „Einverstanden“. Mit Klick auf „Ändern“ können Sie die Cookie-Einstellung jederzeit ändern und eine erteilte Einwilligung widerrufen. Weitere Informationen erhalten Sie in den Datenschutzhinweisen.

Unsere Forschungsexperten

Dr. Philip Lenz

Optimierung der Computer Vision für das autonome Fahren und Entwicklung von intelligenten Fahrzeugen für mehr Sicherheit im Straßenverkehr

„Für mich fasst das Zitat des Star-Trek-Captains Jean-Luc Picard meine Arbeit als Forscher am besten zusammen: „Es gibt aus jeder Sackgasse einen Ausweg und für jedes Rätsel eine Lösung. Man muss sie nur finden.“ Genau das liebe ich an meinem Beruf: Lösungen für schwierige Probleme zu finden und einen positiven Beitrag für die Gesellschaft zu leisten.“

Dr. Philip Lenz, Researcher

Ich arbeite als Forscher im Computer Vision Lab der Robert Bosch GmbH. Mein Interesse gilt der Objekterkennung und -verfolgung, der Sensorfusion, dem Szenenverständnis und dem maschinellen Lernen. Das autonome Fahren in all seinen Abstufungen ist meiner Ansicht nach die derzeit interessanteste Herausforderung auf dem Gebiet von Computer Vision und maschinellem Lernen. Meine tägliche Arbeit besteht darin, die Grenzen für das kamerabasierte autonome Fahren immer weiter zu verschieben, die Algorithmen robuster und dadurch die Fahrzeuge sicherer zu machen.

Lebenslauf

Max-Planck-Institut für Intelligente Systeme

2013
Gastforscher in der Forschergruppe von Andreas Geiger

Toyota Technological Institute at Chicago

2012
Gastforscher in der Forschergruppe Raquel Urtasun

Karlsruher Institut für Technologie

2009
Wissenschaftlicher Mitarbeiter, Ph. D in Computer Vision, Forschergruppe von Christoph Stiller

Ausgewählte Publikationen

  • Veröffentlichungen

    P. Lenz (2015)

    Efficient Min-cost Flow Tracking with Bounded Memory and Computation
    • Karlsruher Institut für Technologie
  • Veröffentlichungen

    P. Lenz et al. (2015)

    FollowMe: Efficient online min-cost flow tracking with bounded memory and computation
    • P. Lenz, A. Geiger, R. Urtasun
    • International Conference on Computer Vision
  • Veröffentlichungen

    A. Ponz et al. (2015)

    Laser scanner and camera fusion for automatic obstacle classification in ADAS application, Smart Cities, Green Technologies, and Intelligent Transport Systems
    • A. Ponz, C. H. Rodríguez-Garavito, F. García, P. Lenz, C. Stiller, J. M. Armingol
    • Communication in Computer and Information Science, vol. 579
  • Veröffentlichungen

    A. Geiger et al. (2013)

    Vision meets robotics: The KITTI dataset
    • A. Geiger, P. Lenz, C. Stiller, R. Urtasun
    • The International Journal of Robotics Research
  • Veröffentlichungen

    A. Geiger et al. (2012)

    Are we ready for autonomous driving? The KITTI vision benchmark suite
    • A. Geiger, P. Lenz, R. Urtasun
    • Conference on Computer Vision and Pattern Recognition
  • Veröffentlichungen

    P. Lenz et al. (2011)

    Sparse scene flow segmentation for moving object detection in urban environments
    • P. Lenz, J. Ziegler, A. Geiger, M. Roser
    • IEEE Intelligent Vehicles Symposium
  • Veröffentlichungen

    M. Roser & P. Lenz (2010)

    Camera-based bidirectional reflectance measurement for road surface reflectivity classification
    • IEEE Intelligent Vehicles Symposium

Interview

Dr. Philip Lenz

Dr. Philip Lenz

Researcher

„Erzählen Sie doch mal: was fasziniert Sie an der Forschung?“

Ich beschäftige mich seit über zehn Jahren mit dem Thema Computer Vision für autonomes Fahren und bin immer noch fasziniert davon, wie viele schwierige und ganz unterschiedliche Herausforderungen zu lösen sind, damit eine Maschine die Welt auf ähnliche Weise wahrnehmen kann wie der Mensch. Jahr für Jahr werden leistungsfähigere Algorithmen entwickelt, und auch die Performance von Computer-Vision-Systemen wird immer weiter verbessert. Trotz des hohen Niveaus, das wir bereits erreicht haben, bleiben aber noch viele Hürden zu nehmen, bis Maschinen ihre Umgebung tatsächlich wahrnehmen und mit ihr interagieren wie der Mensch.

Dr. Philip Lenz

Dr. Philip Lenz

Researcher

„Was macht die Forschung bei Bosch besonders?“

Unser Ziel ist die Entwicklung von Algorithmen, die schlussendlich in einem Produkt zum Einsatz kommen. Für mich als Algorithmus-Entwickler bedeutet dies, dass wir mit allen Beteiligten in der gesamten Verarbeitungskette zusammenarbeiten müssen; von der Kameraoptik bis zur Anwendung einer Funktion für das autonome Fahren. Auf diese Weise können wir unsere Systeme für den konkreten Anwendungsfall optimieren und neue Herausforderungen in Angriff nehmen, damit die Algorithmen unter den spezifischen Hardwarebedingungen leistungsstark genug sind.

Dr. Philip Lenz

Dr. Philip Lenz

Researcher

„Woran forschen Sie bei Bosch?“

Zurzeit beschäftige ich mich mit dem Einsatz von Computer Vision für das autonome Fahren. Dabei sind noch viele anspruchsvolle Szenarien zu bewältigen. Wir arbeiten ständig daran, die Grenzen von Hardware, Sensorik und Wahrnehmung ein Stück weiter zu verschieben. Ich selbst bin für die Wahrnehmung zuständig. Ein zuverlässiges Szenenverständnis ist für alle Funktionen des autonomen Fahrens unerlässlich. Dies betrifft z. B. die Objekterkennung und -erfassung für alle Arten von Verkehrsteilnehmern, die hinsichtlich Erscheinungsform, Gestalt und Verhalten extrem unterschiedlich sein können. Auch Einzelheiten zur Straße und zur Infrastruktur müssen erfasst und mit Kartendaten abgeglichen werden. Unsere klassischen und maschinell lernenden Algorithmen berücksichtigen all diese Faktoren und müssen in der Lage sein, nachgeordneten Anwendungen wie z. B. der Fahrzeugsteuerung ein zuverlässiges Modell der jeweiligen Szene bereitzustellen.

Dr. Philip Lenz

Dr. Philip Lenz

Researcher

„Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?“

Die ersten teilautomatisierten Fahrzeuge wurden schon vor Jahrzehnten entwickelt, und Fahrassistenzsysteme werden heutzutage serienmäßig verbaut. Die derzeitige Herausforderung besteht in der Entwicklung von Fahrzeugen, die ohne einen Sicherheitsfahrer am realen Straßenverkehr teilnehmen können. Die Algorithmen müssen robust genug sein, um reale Verkehrssituationen erfolgreich zu bewältigen. Diesen beiden Anforderungen mithilfe der leistungsstarken, modernen Computer-Vision-Technologien wie z. B. Deep Learning gerecht zu werden, ist derzeit die größte Herausforderung auf dem Weg zur Realisierung des autonomen Fahrens.

Dr. Philip Lenz

Dr. Philip Lenz

Researcher

„Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?“

Überall auf der Welt verbringen die Menschen unglaublich viel Zeit in Fahrzeugen, ja sogar im Stau. Schlimmer noch: Jahr für Jahr sterben viele tausend Menschen im Straßenverkehr. Fahrassistenzsysteme und autonomes Fahren könnten in beiden Fällen die Lösung sein. Unfälle lassen sich vermeiden, weil die Systeme schneller reagieren und menschliches Versagen wie Müdigkeit oder Ablenkung bei ihnen nicht vorkommt. Ressourcen in Form von Fahrzeugen und Infrastruktur können effizienter genutzt werden, indem Staus vermieden werden und die Menschen mehr Zeit für die wirklich wichtigen Dinge im Leben haben.

Ihr Kontakt zu mir

Teile diese Seite auf