Beginn: Ab sofort
Art der Arbeit: Bachelorarbeit, Studienarbeit, Masterarbeit
Ansprechpartner: Marius Westendorf
Die Fahrzeuglokalisierung stellt einen zentralen Baustein des automatisierten Fahrens dar. Moderne Ansätze wie ORB-SLAM3 und andere kamerabasierte Visual-SLAM-Verfahren ermöglichen eine präzise Bestimmung der Fahrzeugpose auf Basis visueller Merkmale. Neben diesen klassischen Methoden gewinnen zunehmend Deep-Learning-basierte Verfahren an Bedeutung, die beispielsweise durch neuronale Netze robuste Merkmalsextraktionen oder eine ergänzende Tiefenschätzungen ermöglichen. Beide Herangehensweisen bringen jedoch spezifische Unsicherheiten und Herausforderungen mit sich – etwa durch veränderliche Lichtverhältnisse, Bewegungsunschärfe oder strukturarme Umgebungen. Ziel dieser Arbeit ist es daher, die Unsicherheiten klassischer Visual-SLAM-Verfahren sowie von Deep-Learning-basierten Ansätze zu untersuchen und systematisch miteinander zu vergleichen und zu kombinieren.
Die Arbeit umfasst folgende Aufgabenbereiche:
Literaturrecherche zu Visual-SLAM-Verfahren und Reglemtierungen für den Einsatz von KI in Fahrfunktionen
Implementierung der Methoden in realen Versuchsfahrzeugen und Umgebungen
Optimierung der Lokalisierungsansätze durch Deep Learning-Verfahren
Untersuchung und quantitative Evaluierung der Ergebnisse sowie Einordnung der Ergebnisse in den Anwendungsfall des automatisierten Fahrens
Gute Programmierkenntnisse in C++ und Python
Analytisches Denkvermögen und ein hohes Maß an Lernbereitschaft
Selbstständige, strukturierte Arbeitsweise sowie Eigeninitiative