Temporal and Spatial Fusion of Semantic Segmentation for Mapless Driving

Bachelorarbeit, Masterarbeit

Themen-Schwerpunkt: Maschinelles Lernen, Mobilität, Sichere und intelligente Fahrzeuge
Studiengänge: Elektrotechnik, Informatik, 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. Mit Hilfe von Deep Learning können wir diese Umgebungsrepräsentation automatisiert erstellen und insbesondere Fahrstreifen im Bild segmentieren. Diese Segmentierung ist jedoch nicht zeitlich konsistent, sodass eine Nachverarbeitung stattfinden muss, die die Ergebnisse aus verschiedenen Zeitschritten geschickt fusioniert.

Aufgaben

Das klingt interessant? Perfekt! Wir suchen einen Studenten, der in seiner Abschlussarbeit das Thema aktiv mitgestalten möchte. Konkret sollen Fusionsansätze untersucht werden, mit denen die semantische Information aus verschiedenen Frames repräsentiert werden kann. Mit Hilfe dieser Darstellung ist es dann möglich, rein basierend auf Bildinformationen und ohne jegliche Karteninforation automatisch fahren zu können! Die Arbeit wird die folgenden Aufgaben umfassen:

  • Literaturrecherche zum Thema Fusion in Gridmaps und Semantik
  • Konzeptentwicklung und Umsetzung
  • Evaluation der Lösung mit Hilfe des Cityscapes Datensatzes

Gerne beantworten wir dir unverbindlich Fragen zur Thematik, Referenzliteratur oder sonstigen Themen. Frag einfach unverbindlich oder bewirb dich direkt!

Wir bieten

  • Einen Einblick in das autonome Fahren
  • Ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • Eine wirtschafts- und industrienahe Arbeitsumgebung
  • Eine angenehme Arbeitsatmosphäre in einem jungen und motivierten Team

Wir erwarten

  • Gute Kenntnisse in C++
  • Statistik-Grundlagen
  • Erfahrung mit ROS
  • Selbstständiges Denken und Arbeiten
  • Sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement

Ihre Bewerbung

Melde dich bei Interesse oder Fragen einfach unverbindlich bei uns oder bewirb dich direkt mit einem aktuellen Notenauszug und Lebenslauf. Wir würden uns außerdem über ein Coding-Beispiel von dir freuen (bspw. hackerrank.com).

Weitere Informationen

Betreuendes Institut am KIT: Institut für Mess- und Regelungstechnik (MRT), Prof. Dr.-Ing. Christoph Stiller