In dieser Abschlussarbeit steht die Multi-Kamera 3D-Objekterkennung für intelligente Kreuzungen im Mittelpunkt, wobei die Verkehrsteilnehmer mit Hilfe mehrerer an der Verkehrsinfrastruktur montierter Kameras erkannt werden sollen. Während sich das automatisierten Fahren weiterentwickelt, bleibt die Zuverlässigkeit in komplexen Situationen wie großen Kreuzungen eine Herausforderung. Das Forschungsprojekt VALISENS zielt darauf ab, die Umgebung durch die Nutzung von Sensordaten aus der Infrastruktur mittels multiperspektivischer Sensorfusion zuverlässiger zu erfassen.
Im Rahmen dieser Arbeit werden verschiedene Ansätze zur kamera-basierten 3D-Objekterkennung für automatisiertes Fahren untersucht, insbesondere unter Verwendung von Bilddaten aus mehreren Kameras. Eine umfassende Literaturrecherche wird durchgeführt, um existierende Methoden der kamera-basierten 3D-Objekterkennung im Kontext des automatisierten Fahrens zu erfassen. Ausgewählte Ansätze werden implementiert und auf geeigneten Datensätzen trainiert und evaluiert.
Je nach Umfang der Arbeit besteht die Möglichkeit, einen eigenen Ansatz zu entwickeln, der in den Vergleich mit einbezogen wird. Das Ziel ist es, die Wirksamkeit und Praktikabilität verschiedener Ansätze zur Multi-Kamera 3D-Objekterkennung für die Wahrnehmung am Straßenrand zu bewerten und neue Wege zur Verbesserung der Zuverlässigkeit und Genauigkeit der Umgebungswahrnehmung im Kontext des automatisierten Fahrens aufzuzeigen.
In dieser Abschlussarbeit steht die Multi-Kamera 3D-Objekterkennung für intelligente Kreuzungen im Mittelpunkt, wobei die Verkehrsteilnehmer mit Hilfe mehrerer an der Verkehrsinfrastruktur montierter Kameras erkannt werden sollen. Während sich das automatisierten Fahren weiterentwickelt, bleibt die Zuverlässigkeit in komplexen Situationen wie großen Kreuzungen eine Herausforderung. Das Forschungsprojekt VALISENS zielt darauf ab, die Umgebung durch die Nutzung von Sensordaten aus der Infrastruktur mittels multiperspektivischer Sensorfusion zuverlässiger zu erfassen.
Im Rahmen dieser Arbeit werden verschiedene Ansätze zur kamera-basierten 3D-Objekterkennung für automatisiertes Fahren untersucht, insbesondere unter Verwendung von Bilddaten aus mehreren Kameras. Eine umfassende Literaturrecherche wird durchgeführt, um existierende Methoden der kamera-basierten 3D-Objekterkennung im Kontext des automatisierten Fahrens zu erfassen. Ausgewählte Ansätze werden implementiert und auf geeigneten Datensätzen trainiert und evaluiert.
Je nach Umfang der Arbeit besteht die Möglichkeit, einen eigenen Ansatz zu entwickeln, der in den Vergleich mit einbezogen wird. Das Ziel ist es, die Wirksamkeit und Praktikabilität verschiedener Ansätze zur Multi-Kamera 3D-Objekterkennung für die Wahrnehmung am Straßenrand zu bewerten und neue Wege zur Verbesserung der Zuverlässigkeit und Genauigkeit der Umgebungswahrnehmung im Kontext des automatisierten Fahrens aufzuzeigen.
Vertrauensvolle Arbeitsatmosphäre
Spannende und vielseitige Projekte
Inspirierende Expertenkultur
Persönliche Weiterentwicklung
Familienfreundlichkeit
Diversity
XITASO is the expert for high-end software engineering in future-proof digitalisation projects.
We develop individual software solutions of the highest quality for companies facing complex technological and organisational challenges.
We also drive innovation, develop digital strategies as consultants and are a trusted partner on the joint solution path.
We support our customers holistically, with a human touch and at eye level. We want to "enable" them and share our success story with them.
As agile natives, we are convinced that self-organisation, transparency and continuous development are essential prerequisites for entrepreneurial success in our dynamic world.
With enthusiasm and passion, we inspire our environment and lead ourselves and our customers to top performance with excellent results that bring joy.
Enjoy digital excellence.
English 
German