Deep Learning für die Prädiktion des Ego-Fahrstreifens in Abhängigkeit von Navigationsanweisungen

Masterarbeit

Themen-Schwerpunkt: Automation und Robotik, Maschinelles Lernen, Mobilität
Studiengänge: Elektrotechnik, Informatik, Informationstechnik, Maschinenbau, Mathematik

Umfeld

Für das automatische Fahren sind hochgenaue Karten mittlerweile elementar. Was aber passiert, falls diese Karten nicht aktuell sind, weil bspw. eine Baustelle befahren wird, oder der Zugriff auf diese Karten ausfällt? Insbesondere für diese Notfallsituationen muss eine robuste Umgebungsrepräsentation kalkuliert werden, die die Fahrbahntopologie und Hindernisse korrekt darstellt. Deep Learning Technologien verzeichnen immense Erolge unter anderem in den Bereichen Detektion und Segmentierung. Sie können also sehr gut für die Extraktion und Repräsentation der Fahrstreifen eingesetzt werden.

Aufgaben

In dieser Masterarbeit soll nun der Einfluss von Navigationsanweisungen auf die Prädiktion eines neuronalen Netzes untersucht werden. Am Institut existiert bereits ein Datensatz, der Fahrstreifen in RGB Bildern segmentiert und deren Semantik (Ego-Fahrstreifen, Parallel-Fahrstreifen oder Gegenverkehr) bereitstellt. Dieser Datensatz soll zum Training eines neuronalen Netzes verwendet werden, wobei nicht nur das RGB Bild als Eingabe dient, sondern zusätzlich die Informationen zur geplanten Route. Ähnlich wie bei einem handelsüblichen Navi können demnach bspw. die Distanz bis zur Kreuzung und die gewünschte Fahrtrichtung dem Netz als Eingabe dienen. Abhängig von dieser Information soll das Netz den prädizierte Ego-Fahrstreifen in die gewünschte Richtung abändern. Inhalt der Arbeit wird demnach die Anpassung des Datensatzes, die Auswahl einer geeigneten Netzstruktur sowie die Evaluation verschiedener Eingabevarianten sein.

Wir bieten

  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • Eine wirtschafts-/industrienahe Arbeitsumgebung und -organisation
  • Eine angenehme Arbeitsatmosphäre
  • Konstruktive Zusammenarbeit
  • Einen Einblick in das Automatische Fahren

Wir erwarten

  • Kenntnisse in Python
  • Kenntnisse neuronaler Netze
  • Erfahrung im Umgang mit Tensorflow
  • Strukturiertes, gewissenhaftes und eigenständiges Arbeiten

Ihre Bewerbung

Bitte legen Sie Ihrem Anschreiben folgende Unterlagen bei:

  • Aktueller Notenauszug
  • Tabellarischer Lebenslauf inkl. Programmiererfahrung

Weitere Informationen

  • Start: ab sofort
  • Betreuendes Institut am KIT: Institut für Mess- und Regelungstechnik (Prof. Dr.-Ing. Christoph Stiller)