Untersuchung von semantischer LiDAR Punktwolken Segmentierung im urbanen Kontext

Kontext

Platooning beschreibt das automatisierte Fahren von Fahrzeugen in einer Kolonne, wobei die Fahrzeuge miteinander vernetzt sind und mit Hilfe von Sensorik das Umfeld beobachten. Ein wichtiger Aspekt in der Prozesskette ist die Erfassung und Verarbeitung von Umfelddaten. LiDAR-Sensoren erzeugen dreidimensionale Punktwolken von Objekten in der Umgebung des Fahrzeugs. Diese Daten können beispielsweise zur Positionsbestimmung oder Hinderniserkennung genutzt werden. Ein wichtiger Schritt bei der Verarbeitung von LiDAR-Punktwolkendaten ist die Segmentierung. Dabei werden die Punkte der Punktwolke in Objekte (beispielsweise Straßen, Gebäude, Fahrzeuge) unterteilt, um eine bessere Interpretation der Daten zu ermöglichen. Unter https://tempus-muenchen.de können weitere Informationen zu dem Projekt Tempus eingesehen werden.

Ziele

• Überblick des State of the Art von semantischer LiDAR Punktwolken Segmentierung
• Definition von geeigneten Bewertungskriterien von Segmentierungsmethoden
• Untersuchung geeigneter Verarbeitungspipelines für die Segmentierung von LiDAR-Punktwolken
• Vergleich der recherchierten konventionellen und Machine Learning basierenden Segmentierungsmethoden 
• Bewertung und Benchmarking der verschiedenen Segmentierungsmethoden anhand von Simulations-/Realdaten 

Voraussetzungen

• Interesse an der Entwicklung von ML unterstützten Systemen 
• Programmierkenntnisse (Python/C++)
• Zuverlässige und eigenständige Arbeitsweise