Beginn: Ab sofort
Art der Arbeit: Bachelorarbeit, Studienarbeit, Masterarbeit
Ansprechpartner: Marius Westendorf
Das automatisierte Fahren erfordert eine präzise und zuverlässige Wahrnehmung der Fahrzeugumgebung. Kamerabasierte Verfahren nehmen dabei eine zentrale Rolle ein, da sie eine detaillierte und kosteneffiziente Umfeldmodellierung ermöglichen. Neben klassischen bildverarbeitungsbasierten Ansätzen kommen zunehmend Deep-Learning-Methoden zum Einsatz, die eine robuste Objekterkennung, -verfolgung und Tiefenschätzung in komplexen Verkehrsszenarien erlauben. Allerdings sind beide Herangehensweisen mit spezifischen Unsicherheiten verbunden, etwa durch variierende Lichtverhältnisse, Bewegungsunschärfen oder strukturarme Umgebungen. Um diese Herausforderungen gezielt zu adressieren, werden in dieser Arbeit eigene Messdaten aus realen Verkehrsszenarien herangezogen, um die verschiedenen Ansätze zu optimieren und ihre Leistungsfähigkeit unter praxisnahen Bedingungen zu evaluieren.
Die Arbeit umfasst folgende Aufgabenbereiche:
Literaturrecherche zu Themen der Objekterkennung und -verfolgung sowie der Reglementierungen für den Einsatz von KI in Fahrfunktionen
Implementierung der Methoden in realen Versuchsfahrzeugen und Umgebungen
Optimierung der Deep Learning Ansätze anhand eigener Verkehrsdaten
Untersuchung und quantitative Evaluierung der Ergebnisse sowie Einordnung der Ergebnisse in den Anwendungsfall des automatisierten Fahrens
Sehr gute Programmierkenntnisse in C++ (Präferenz) und Python
Analytisches Denkvermögen und ein hohes Maß an Lernbereitschaft
Selbstständige, strukturierte Arbeitsweise sowie Eigeninitiative