Im Rahmen der laufenden Forschungsaktivitäten werden Master-, Bachelor- und Studienarbeiten angeboten. Mögliche Themengebiete sind:

  • Automatisiertes Fahren
  • Industrie 4.0
  • Maschinelles Lernen
  • Datenverarbeitung
  • Programmierung

Aktuell bieten wir folgende Themen an:

Masterarbeiten


MA1:   
Entwicklung von KI-Methoden zur Sensordatenfusion im hochautomatisierten Fahren.

Ziel der Arbeit ist es multimodale Sensordaten (Kamera & LiDAR) zu abstrahieren und durch Transformationen in Repräsentationen zu überführen, welche nicht mehr vom spezifischen Sensormodell und der Frequenz des aufnehmenden Sensors abhängen. Dadurch wird eine größtmögliche Wiederverwendung von einmal annotierten und erzeugten Trainingsdaten ermöglicht. Zu den Aufgaben zählen Anwendung von Methoden des maschinellen Lernens sowie zur Datenverarbeitung und Programmierung in Python und C++.

MA2:
Anwendung künstlicher Intelligenz zur Augmentierung/Veränderung von Bild- und Videodaten

Bild- und Videodaten der hochschuleigenen Forschungskreuzung sollen durch den Einsatz neuronaler Netze verändert werden. Hierbei geht es konkret um die Veränderung des optischen Erscheinungsbildes von Objekten wie Fußgänger und Radfahrer, sowie der Abänderung von Nummernschilder zur Anonymisierung. Es soll eine automatisierte Toolchain zur Verarbeitung der Daten aufgebaut werden. Zu den Aufgaben zählen Anwendung von Methoden des maschinellen Lernens, Sensordatenverarbeitung sowie Programmierung in Python und C++.

MA3:
Entwicklung eines Echtzeitsystems zur kooperativen Absichtserkennung von ungeschützten Verkehrsteilnehmern

Auf Basis bestehender Methoden soll an einer Forschungskreuzung und in einem Versuchsfahrzeug ein Echtzeitsystem zur Detektion und Vorhersage der Position ungeschützter Verkehrsteilnehmern in realsiert werden. Zu den Aufgaben zählen Anwendung von Methoden des maschinellen Lernens und Programmierung in Python und C++.

MA4:
Datenfusion, Synchronisation und Kooperation eines Multi-Sensordaten-Systems für das hochautomatisierte Fahren

Sensordaten der Forschungskreuzung, sowie des hochschuleigenen Versuchsfahrzeugs sollen intelligent miteinander vernetzt werden, um eine neue Generation von kooperativen Assistenzsystemen für das autonome Fahren zu erforschen. Zu den Aufgaben zählt die intelligente Fusion multipler Sensordaten zur ganzheitlichen Perzeption der Fahrzeugs- und Kreuzungs-Umgebung, sowie die Regelung des Datenaustausches zwischen Infrastruktur und Fahrzeugen. Kenntnisse im Bereich Datenverarbeitung sowie der Programmiersprache C++/Python sind hilfreich.

MA5:
Entwicklung einer Datenverarbeitungs-Pipeline zur Erkennung und Extraktion von 3D Gelenkpunkten/Körperposen an der Forschungskreuzung.

Unter Einbezug von neuronalen Netzen sollen bildbasiert 3D Gelenkpunkte/Körperposen von Fußgängern und Radfahren an der Forschungskreuzung erzeugt werden. Es soll eine Datenverarbeitungs-Pipeline aufgebaut werden, die zunächst Personen im Bild erkennt und anschließend 2D Gelenkpunkte/ Körperposen detektiert. Anschließend sollen die 2D Posen einzelner Kameras in einem 3D Weltkoordinatensystem fusioniert werden. Kenntnisse im Bereich Datenverarbeitung sowie der Programmiersprache C++/Python sind hilfreich.

MA6:
Wissensextraktion aus der Intentionserkennung ungeschützter Verkehrsteilnehmer.

Das Ziel dieser Masterarbeit ist es eine Methode zu entwickeln, um Wissen aus einem bereits gelernten Modell für die Intentionserkennung ungeschützter Verkehrsteilnehmer zu extrahieren. Das gewonnene Wissen soll dabei plausibilisiert werden, um es wieder nutzbar für andere Anwendungen zu machen. Dabei soll das gewonnene Wissen so aufbereitet werden, dass es zum einen wieder beim Trainieren eines neuen Modells eingesetzt werden kann, als auch zur Erklärung der Prädiktionen der Intentionserkennung eingesetzt werden kann. Ersteres hilft dabei die Anzahl der benötigten Datenpunkte beim Lernen von Modellen zu reduzieren und letzteres kann bei sicherheitskritischen Anwendungen notwendig sein.

Diese Arbeit wird in Kooperation zwischen der Technischen Hochschule Aschaffenburg und der Continental Teves AG & Co. OHG durchgeführt.

 

Bachelorarbeiten


BA1:    
Bildbasierte Erkennung von Gelenkpunkten/Körperposen an der Forschungskreuzung

Mittels künstlicher Intelligenz sollen bildbasiert Gelenkpunkte/Körperposen von Fußgängern und Radfahren an der Forschungskreuzung erzeugt werden. Anschließend sollen die einzelnen 2D Posen über Sequenzen zu kompletten Bewegungsabläufen zusammengeführt werden. Kenntnisse im Bereich Datenverarbeitung sowie der Programmiersprache C++/Python sind hilfreich.

BA2:
Anwendung künstlicher Intelligenz zur Modifikation des optischen Erscheinungsbildes von Personen

Bild- und Videodaten der hochschuleigenen Forschungskreuzung sollen durch den Einsatz neuronaler Netze verändert werden. Hierbei geht es konkret um die Veränderung des optischen Erscheinungsbildes von Fußgängern und Radfahrern. Es soll ein State-of-the-Art Ansatz für den Einsatz an der Forschungskreuzung implementiert werden. Zu den Aufgaben zählen Anwendung von Methoden des maschinellen Lernens, Sensordatenverarbeitung sowie Programmierung in Python und C++.

BA3:
Erkennung von Aktivitäten in manuellen Montageprozessen durch Methoden des maschinellen Lernens

Mit Hilfe des Einsatzes neuronaler Netze sollen Aktivitäten aus Videodaten, bzw. daraus abstrahierten Daten (z.B Bewegung der Hände), erkannt werden. Die Erkennung der Aktivitäten dient der Qualitätssicherung und soll zudem zu Schulungszwecken zum Einsatz kommen. Die Programmierung erfolgt mit der Sprache Python.

BA4:
Erweitern von Objekterkennungsmodellen durch Sensor spezifische Metadaten

Bestehende Verfahren zur Detektion von Objekten in Bildern, insbesondere von ungeschützten Verkehrsteilnehmern, sollen durch Sensor spezifische Metadaten erweitert werden. Dazu sollen Methoden des maschinellen Lernens eingesetzt werden. Die Programmierung erfolgt mit der Sprache Python.

BA5:
Entwicklung einer Toolchain zum Kalibrieren von Weitwinkel-Stereokamerasystemen

 

Studienarbeiten


SA1:
Modifikation des optischen Erscheinungsbildes von Personen in Bildern.

Bild- und Videodaten der Forschungskreuzung sollen durch den Einsatz neuronaler Netze verändert werden. Hierbei geht es konkret um die Veränderung des optischen Erscheinungsbildes von Fußgängern/Radfahrern. Es soll ein bereits existierender Ansatz auf die Daten der Forschungskreuzung implementiert und validiert werden. Zu den Aufgaben zählen die Anwendung von Methoden des maschinellen Lernens und Programmierung in C++/Python.

 

Zur Bearbeitung der Themen sollten Sie Interesse und Spaß an der Anwendung von Mathematik und Informatik haben. Gute Vorkenntnisse in den Programmiersprachen C/C++ und Python sind hilfreich.

Bei Interesse wenden sie sie bitte an Prof. Dr.-Ing. Konrad Doll.