Maschinell gelernte Sensorfusion auf NVIDIAs DrivePX2 Plattform

Eckdaten
Art der Arbeit: Masterarbeit
Vorkenntnisse: Grundverständnis von Fahrzeugsensoren; Programmierkenntnisse in C++; Maschinelles Lernen / Neuronale Netzwerke; Fachbereiche: Maschinenbau, CES, (Elektrotechnik, Informatik sind ggf. ebenfalls möglich)
Beginn: nächstmögl. Zeitpunkt
Bereich: Fahrerassistenzsysteme

Thema und Ziel der Arbeit

Im Themenfeld des hochautomatisierten Fahrens haben Methoden aus dem Bereich Neuronaler Netzwerke in den vergangenen Jahren zu erheblichen Fortschritten geführt. Verschiedene Hersteller beginnen darum auf spezielle Hardware zurückzugreifen. Obendrein führt die Entwicklung solcher Funktionen zu einem gesteigerten Verbau von Sensoren, deren Messungen schlussendlich miteinander fusioniert und in ein einheitliches Modell überführt werden.

Im Rahmen dieser Arbeit soll entsprechend eine maschinell gelernte Sensorfusion auf NVIDIAs Drive PX2-Plattform entwickelt, implementiert und evaluiert werden.

Arbeitspunkte

  • Literaturrecherche, Einarbeitung in die benötigten Themenkomplexe
  • Entwicklung und Implementierung eines Fusionskonzeptes
  • Validierung

Anforderungen

  • Gute Programmierkenntnisse in C++
  • Deutsch und Englisch fließend in Wort und Schrift
  • Zuverlässigkeit und Engagement
  • Kenntnisse im Bereich Neuronale Netzwerke
  • Grundsätzliches Verständnis von den verwendeten Sensoren

 

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 9001:2015