Masterand (all genders) - Multi-Kamera 3D-Objekterkennung für intelligente Kreuzungen

XITASO GmbH IT & Software Solutions

📍 Augsburg, Karlsruhe, Krumbach (Schwaben), Erlangen, Ingolstadt, München, Münster, Leipzig, Berlin
Academic Thesis
⏱ Full time
📐 Engineering
🖥 IT & Tech
💼 Professional
💼 Entry

Industry

Machinery Equipment
IT & Internet
Electrical Optical

Tasks

  • Du recherchierst bestehende Methoden und Modelle zur Multi-Kamera 3D-Objekterkennung, insbesondere solche, die Bilddaten von RGB- Kameras nutzen.
  • Du implementierst ausgewählte Ansätze auf Datensätzen. Dabei greifst Du auf bei XITASO vorhandene oder öffentlich zugängliche Datensätze (RCooper) zurück.
  • Du bewertest die Leistungsfähigkeit deiner implementierten Modelle im Rahmen des bei XITASO vorhandene Datensätze.

Hard skills

  • Du absolvierst einen Studiengang im Bereich Informatik, Robotik oder einer vergleichbaren Fachrichtung an einer Universität oder Hochschule.
  • Du verfügst über grundlegende Kenntnisse und praktische Erfahrung im Bereich der 3D-Objekterkennung oder oder in anderen Bereichen der Computer Vision.
  • Du hast Interesse an den Themen wie der Sensordatenverarbeitung, Objekterkennung im Straßenverkehr und dem automatisierten Fahren.
  • Du besitzt die Fähigkeit, Dich selbstständig in neue Themengebiete einzuarbeiten.
  • Du bist neugierig und hast Lust, in einem technologisch hochmodernen Umfeld mitzuwirken und suchst nach einer Möglichkeit, Dein Wissen aus dem Studium umzusetzen und zu vertiefen.

Das ist die Herausforderung

In dieser Abschlussarbeit steht die Multi-Kamera 3D-Objekterkennung für intelligente Kreuzungen im Mittelpunkt, wobei die Verkehrsteilnehmer mit Hilfe mehrerer an der Verkehrsinfrastruktur montierter Kameras erkannt werden sollen. Während sich das automatisierten Fahren weiterentwickelt, bleibt die Zuverlässigkeit in komplexen Situationen wie großen Kreuzungen eine Herausforderung. Das Forschungsprojekt VALISENS zielt darauf ab, die Umgebung durch die Nutzung von Sensordaten aus der Infrastruktur mittels multiperspektivischer Sensorfusion zuverlässiger zu erfassen.

Im Rahmen dieser Arbeit werden verschiedene Ansätze zur kamera-basierten 3D-Objekterkennung für automatisiertes Fahren untersucht, insbesondere unter Verwendung von Bilddaten aus mehreren Kameras. Eine umfassende Literaturrecherche wird durchgeführt, um existierende Methoden der kamera-basierten 3D-Objekterkennung im Kontext des automatisierten Fahrens zu erfassen. Ausgewählte Ansätze werden implementiert und auf geeigneten Datensätzen trainiert und evaluiert.

Je nach Umfang der Arbeit besteht die Möglichkeit, einen eigenen Ansatz zu entwickeln, der in den Vergleich mit einbezogen wird. Das Ziel ist es, die Wirksamkeit und Praktikabilität verschiedener Ansätze zur Multi-Kamera 3D-Objekterkennung für die Wahrnehmung am Straßenrand zu bewerten und neue Wegezur Verbesserung der Zuverlässigkeit und Genauigkeit der Umgebungswahrnehmung im Kontext des automatisierten Fahrens aufzuzeigen.

Contact Person

Daniela Auger-Huggenberger

Recruiting Manager

Additional Links

Not interesting
Apply
Saved