About this role
Sommersemester 2027 – befristet auf 3–6 Monate
IHRE AUFGABEN
Sie recherchieren und analysieren aktuelle wissenschaftliche Methoden zur Generierung von LiDAR-Daten aus Kamerabildern und -videos. Dazu gehören unter anderem Ansätze auf Basis von Deep Learning, Diffusionsmodellen, Neural Rendering und Tiefenschätzung. Sie entwickeln und evaluieren eine Pipeline zur Generierung LiDAR-ähnlicher Punktwolken aus synchronisierten Multikamerasystemen. Sie passen ausgewählte Methoden an und optimieren diese, um die Eigenschaften eines SICK-LiDAR-Sensors nachzubilden.
Sie untersuchen die Potenziale und Grenzen bestehender RGB-to-LiDAR-Ansätze für industrielle Anwendungen. Sie bewerten die generierten Daten hinsichtlich geometrischer Genauigkeit, Robustheit und Eignung für nachgelagerte KI-Anwendungen. Sie dokumentieren und präsentieren Ihre Ergebnisse sowie daraus abgeleitete Empfehlungen. Der konkrete Umfang des Themas wird an Ihren fachlichen Hintergrund und die Anforderungen des Praktikums beziehungsweise der Bachelor- oder Masterarbeit angepasst.
IHR PROFIL
- Studium der Informatik, Robotik, Elektrotechnik, Mathematik oder eines vergleichbaren Studiengangs Interesse an Computer Vision, 3D-Perzeption und Sensorfusion Gute Programmierkenntnisse in Python Grundkenntnisse in Machine Learning und Deep Learning Erfahrung mit PyTorch oder einem vergleichbaren Framework von Vorteil Fähigkeit zum selbstständigen Arbeiten und zur Analyse wissenschaftlicher Fachliteratur Kontakt: Sarah Disch