Sensoren der Fahrerassistenz (FAS) und des hochautomatisierten Fahrens (HAF) können Teilnehmer im Straßenverkehr detektieren. Hierzu gehören unter anderem Kraftfahrzeuge und Menschen. Die Anforderungen an das automatisierte Fahren steigen stetig an, weshalb die Erkennung von neuen Objekten notwendig sein wird. Unter anderem müssen weitere Objekte als mögliche Kollisionsgegner erkannt werden.
Insbesondere im Bereich der Bildverarbeitung bietet die künstliche Intelligenz ein großes Potential, neuartige Objekte mit KI-Modelle zuerkennen. Hierbei können Methoden von Computer Vision/ Domain Adaption/ Transfer Learning genutzt werden. Zusätzlich können synthetisch erstellte Daten genutzt werden.
Im Rahmen dieser Arbeit soll eine Bilddetektion entwickelt werden, die eine Detektion und Entfernungsschätzung von Objekten mit Hilfe von Computer Vision und Sensordatenfusion realisiert.
Methodische Vorgehensweise
- Literaturrecherche zu existierenden objektspezifischen Datensätzen und Modellen
- Aufbau einer Sensordatenfusion zur Objekterkennung und Entfernungsschätzung
- Training und Optimierung eines ML-Modells zur Objekterkennung
- Erstellung von Testfällen zur Validierung der Daten- und Modell-Methoden
- Definition der Grenzen der Methode
- Studium der Informatik oder ähnliche MINT-Studiengänge
- Schwerpunkt Machine Learning, Computer Vision
- Programmierkenntnisse: Python: Pytorch/Tensorflow/Keras, Pandas, Numpy, CV2 etc.
- Wünschenswert: ROS, C++
- Gutes Verständnis von Kamerasensorik wünschenswert
- Gute Englisch- und Deutschkenntnisse
- Hohe Team- und Kommunikationsfähigkeit
- Strukturierte Betrachtungsweise und die Fähigkeit, eigene Projekte voranzutreiben