Entwicklung einer KI-basierten Methode zur automatischen Schätzung von 3D-Objekten in Bilddaten

Entwicklung einer KI-basierten Methode zur automatischen Schätzung von 3D-Objekten in Bilddaten

Umfeld

Die effiziente Generierung von Simulationsumgebungen ist von Vorteil, um Test und Absicherung von hochautomatisierten Fahrfunktionen zu beschleunigen. Die erforderlichen Testfälle und Szenarien können dabei auf verschiedene Weise hergeleitet werden. In dieser Arbeit soll als Teil eines neuartigen Ansatzes eine Methode entwickelt werden, die es ermöglicht, statische Objekte wie Gebäude aus aufgezeichneten Daten (Bildern) automatisch zu detektieren, zu klassifizieren und zu lokalisieren. Für diesen Zweck sollen der Stand-der-Technik für Verfahren des maschinellen Lernens für diesen Anwendungsfall recherchiert, bewertet und implementiert werden. Im Anschluss an die Objekterkennung werden die extrahierten Objekte mittels eines geeigneten Matching-Algorithmus mit einer existierenden Modellbibliothek verglichen und anschließend automatisiert als synthetische Objekte in der Simulationsumgebung platziert.

 

Aufgabe

  • Einarbeitung in die Simulationsumgebung CarMaker und das Themenfeld maschinelles  Lernen im Bereich der Objekterkennung und -klassifikation
  • Konzeptentwicklung und Auswahl eines geeigneten ML-Verfahrens zur Schätzung und   Klassifikation von 3D-Objekten (z.B. Gebäude) in Bildern
  • Implementierung und Training des Verfahrens anhand geeigneter Datensätze und   Anwendung mit dem Ziel der Erzeugung synthetischer Umgebungen auf Basis der   klassifizierten Objekte unter Zuhilfenahme einer existierenden 3D-Bibliothek

 

Voraussetzungen

  • Theoretische und/oder praktische Erfahrungen im Bereich maschinelles Lernen, idealerweise im Kontext der Objekterkennung
  • Kenntnisse in Python und/oder C/C++