Maschinell gelernte Sensorfusion auf Basis von Qualitätsvektoren

Eckdaten
Art der Arbeit: Masterarbeit
Vorkenntnisse: Grundverständnis von Fahrzeugsensoren; Programmierkenntnisse in mindestens einer der relevanten Sprachen; Maschinelles Lernen / Optimierung; Fachbereiche: Maschinenbau, CES, (Elektrotechnik, Informatik sind ggf. ebenfalls möglich)
Beginn: nächstmögl. Zeitpunkt
Bereich: Fahrerassistenzsysteme

Thema und Ziel der Arbeit

 

Aktuelle Entwicklungen im Bereich der Fahrerassistenz machen ein immer weitgehenderes Verständnis der Umgebung von Nöten. Dies führt zu einem gesteigerten Verbau von Sensoren, deren Messungen schlussendlich in ein einheitliches Modell überführt werden müssen.

Im Rahmen dieser Arbeit soll ein System zur Fusion von Objekten aus Kamera und Radardetektionen entwickelt werden. Diese verwendet dabei Detektionsqualitäten(Qualitätsvektoren) welche mittels Referenzaufnahmen aus einem dGPS ermittelt werden. Das gesamte System soll dabei, im Gegensatz zu klassischeren Methoden, die eigentliche Fusion mittels Methoden des maschinellen Lernens optimieren.

 

Arbeitspunkte

  • Literaturrecherche, Einarbeitung
  • Entwicklung und Implementierung eines Fusionskonzeptes
  • Validierung

Anforderungen

  • Programmierkenntnisse in entweder C++, Python oder Matlab
  • Deutsch und Englisch fließend in Wort und Schrift
  • Zuverlässigkeit und Engagement
  • Kenntnisse im Bereich ML (genetische Algorithmen, neuronale Netzwerke) sind von Vorteil

 

Ansprechpartner

Peter Gronerth M.Sc.
+49 241 80 25639
E-Mail

Informationen als Download

Adresse

Institut für Kraftfahrzeuge
RWTH Aachen University

Steinbachstraße 7
52074 Aachen · Deutschland

Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
+49 241 80 25600
+49 241 80 22147

Copyright © 2018 Institut für Kraftfahrzeuge | Zertifiziert nach ISO 9001:2008