M.Sc. Florian Thümer
Raum: | A12.014.2 | |
Tel.: | +49 371 531 - 33828 | |
Anschrift: | Rechnerarchitekturen und -systeme Fakultät für Informatik, TU Chemnitz Straße der Nationen 62 09111 Chemnitz |
|
E-Mail: | florian.thuemer@… | |
Sprechzeiten: | nach Vereinbarung |
Thesis Title: Machine-Learning-Based Processing of LiDAR Point Clouds in Railway Environments
Description: The digitization of railway infrastructure represents a critical step toward enhancing the efficiency, safety, and sustainability of modern transportation systems. As global demands for higher rail throughput and reduced environmental impact intensify, the automation of train operations emerges as a pivotal solution. However, the transition from conventional systems to automated, digitally supported frameworks necessitates interdisciplinary research and development. Such systems must integrate advanced sensing technologies, real-time data processing, and adaptive control mechanisms to manage dynamic operational environments. Used within this context, LiDAR introduces unique challenges with the size of data and its nature of representing various objects as a sparse cloud of highly accurate point measurements.
Möglichkeiten für Abschlussarbeits-Themen:
Bachelor: | Anwendung von Farbkorrektur auf einer laufenden Kamera-Übertragung | Bei der Aufzeichnung roher Bilddaten eines Kamerasensors beeinflussen die vorhandenen Lichtquellen die Farbtemperatur und den Farbraum des Bildes. Im Rahmen dieser Bachelorarbeit sollen die Farbwerte aufgenommener Bilddaten korrigiert werden, um Weißwerte und Farben möglichst neutral darzustellen. Erfordert Kenntnisse in C++ und Erfahrung mit Linux Betriebssystemen. |
Master: | Umsetzung und Erprobung eines Online KI-basierten Personen-Detektors für LiDAR Punktwolken | Frameworks wie OpenPCDet erlauben das Trainieren und Auswerten neuraler Netzwerke zur Objekterkennung in Punktwolken anhand öffentlicher Datensätze. Im Verlauf einer Masterarbeit zu diesem Thema soll das genannte Framework umstrukturiert werden, um die Bildpunkte eines LiDAR-Sensors im laufenden Betrieb zu verarbeiten um Personen zu erkennen. Das entwickelte System wird in einer Vielzahl an Szenarien getestet um systematisch die Stärken und Schwächen des Detektors zu erproben. Erfordert Kenntnisse in C++ und Python und Erfahrung mit Linux Betriebssystemen. |
Algorithmische Erkennung von Hektometertafeln in Kameraufnahmen aus Triebfahrzeugperspektive | In der deutschen Eisenbahninfrastruktur werden alle Streckenabschnitte bemessen und mit Kilometerangaben beschildert. Auch im digitalen Bahnbetrieb spielen Hektometertafeln eine wichtige Rolle, da sie genutzt werden um die Position des Triebfahrzeugs mit Instandhaltungs- und Betriebspersonal sowie Rettungskräften zu kommunizieren. Zu diesem Zwecke soll ein System entworfen werden, welches diese Tafeln in einer Videoaufnahme erkennt und die dargestellte Streckenkilometrierung automatisch erfasst. Das System muss dabei diversen komplexen Anforderungen unterliegen: Die Funktionsweise muss nachvollziehbar sein, und Algorithmen müssen trotz vieler erschwerter Bedingungen (ungleichmäßige(s) Ausleuchtung, Position und Erscheinungsbild) ressourcenschonend und effizient sein. Unter diesen Anforderungen ist die Nutzung künstlicher Intelligenz auszuschließen. Eine tiefgründige Auseinandersetzung mit algorithmischem Bildverstehen und performanter Programmierung (mit optionalem Einsatz von Echtzeit-Programmierung) wird die Grundlage der Arbeit bilden. Erfordert Kenntnisse in C++ oder Python. |