Freitag, 02. Februar 2024

Machine Learning basierte Objekterkennung in 4D-Radar Punktwolken

Thema und Ziel der Arbeit

Moderne Fahrerassistenzsysteme (ADAS) und automatisierte Fahrsysteme basieren auf fortschrittlichen automobilen Sensorsystemen. Radarsensoren sind zu einer grundlegenden Komponente dieser Systeme geworden und unterstützen Funktionen wie adaptive Geschwindigkeitsregelung (ACC) und Kollisionsvermeidung. Aktuelle Fortschritte in der Radartechnologie, wie das 4D-Radar, bieten das Potenzial für eine umfassendere Wahrnehmung, die genauere und robustere Fahrfunktionen ermöglicht.

Die Erkennung von Objekten in Punktwolken ist ein grundlegendes Instrument für die Wahrnehmung der Umgebung in Fahrzeugen. Während sie für die Wahrnehmung mit LiDAR-Sensoren bereits ausgiebig erforscht wurde [ZAM21], ist die 3D Objekterkennung und -klassifizierung in Radardaten noch deutlich weniger erforscht. In dieser Arbeit soll das Potenzial der Machine Learning basierenden Objektdetektion in Radar-Punktwolken untersucht werden.

Arbeitspunkte

• Umfassende Literaturrecherche zur Objekterkennung in Radar-Punktwolken und zu bestehenden Ansätzen in diesem Bereich.
• Identifikation von geeigneten Machine-Learning-Algorithmen.
• Ausarbeitung eines Machine-Learning-basierten Ansatzes für die 4D-RadarObjekterkennung und Implementierung in das am Institut bestehende Framework.
• Bewertung des implementierten Algorithmus anhand von Kennzahlen auf Basis eines Beispieldatensatzes.

Anforderungen

• Gute Deutsch- und Englischkenntnisse in Wort und Schrift
• Zuverlässigkeit, Engagement und Freude am selbstständigen Arbeiten
• Programmierkenntnisse, vorzugsweise in Python
• Erfahrung im maschinellen Lernen

[ZAM21] - G. Zamanakos et al., A comprehensive survey of LIDAR-based 3D object detection methods with deep learning for autonomous driving, 2021

Hinweis: Bitte kurzen Lebenslauf und eine Notenübersicht anhängen.