Maschinelle Lernverfahren für die 6D Lokalisierung eines Mobilen, Kognitiven Systems

Bachelorarbeit, Masterarbeit

Themen-Schwerpunkt: Automation und Robotik, Maschinelles Lernen, Sichere und intelligente Fahrzeuge
Studiengänge: Elektrotechnik, Informatik, Maschinenbau, Mechatronik

Umfeld

Für das autonome Fahren sind in den nächsten Jahren hochgenaue Karten nötig. Durch die zusätzliche Karteninformation werden Aufgaben wie Trajektorienplanung und Verhaltensgenerierung gestützt, was schließlich zu erhöhter Zuverlässigkeit und Sicherheit führt.

Um diese zusätzliche Information nutzen zu können muss sich das Fahrzeug in der Karte lokalisieren können. Dies ist vor allem in innerstädtischen Szenarien eine Herausforderung, da GPS aufgrund der Abschirmung durch hohe Gebäude nur begrenzt nutzbar ist. Um auch in diesen Szenarien hochgenaue Lokalisierung zu ermöglichen, sollen makroskopische Objekte und Strukturen als Landmarken dienen.

Aufgaben

Ziel dieser Arbeit ist die Entwicklung von lernbasierten Algorithmen, welche einem mobilen, kognitiven System dabei helfen sich in einer semantischen HD-Karte zu lokalisieren.

Mithilfe einer geeigneten Netztopologie sollen aus den Sensordaten die korrespondierenden Kartenmerkmale extrahiert werden. Es können verschiedene Sensordaten, inklusive Kamera und LiDAR Daten, nutzbar gemacht werden. Dabei werden Lösungen für die automatisierte Erstellung und Wiederverwendbarkeit von Trainingsdaten gesucht.

Im Rahmend der Arbeit sollen Merkmalsrepräsentationen identifiziert werden welche sich besonders gut dafür eignen eine robuste Lokalisierung unter Verwendung von Deep Learning Methoden zu erreichen.

Wir bieten

  • 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 bis sehr gute Kenntnisse in Python und/oder C++
  • Kenntnisse im Bereich Deep Learning und mindestens einem Deep Learning Framework ( TensorFlow, Pytorch)
  • Selbständiges Denken und Arbeiten
  • Sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement

Bewerbung

Bitte legen Sie Ihrem Anschreiben folgende Unterlagen bei:

  • aktueller Notenauszug
  • tabellarischer Lebenslauf
  • Motivation oder Wunschthema

Weitere Informationen

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