Webseite Signon Deutschland GmbH
Ziel: Eine genaue automatische Klassifizierung und Verortung von Infrastruktur-Objekten ist für die Planung von Eisenbahninfrastrukturen von großem Vorteil. Mit der heutigen Lösung auf Basis von 2D-Videodaten ist bereits eine automatische Erkennung möglich, die Verortung bzw. automatische Vermessung der erkannten Objekte ist jedoch noch nicht hinreichend genau, sodass eine manuelle Nachbearbeitung notwendig ist. Mittels hochgenauer LiDAR-Scanner und den resultierenden Punktwolken soll die Genauigkeit bestehender Produkte der SIGNON zukünftig verbessert werden.
1.Übertragung der 2D Erkennungen in die Punktwolke:
a. Geometrische Berechnung Aktuell existiert ein Algorithmus, der in 2D-Videos erkannte Objekte mithilfe geometrischer Berechnungen mit einer Geo-Position verorten kann, sodass eine Vermessung der Objekte erfolgen kann. Diese ist jedoch in vielen Fällen nicht hinreichend genau (geforderte Genauigkeit im dm-Bereich).
Daher soll in dieser Forschungsarbeit analysiert werden, wie über die heutige Erkennung und Verortung in 2D-Videos eine Zurordnung zu punktförmigen Koordinaten in der ebenfalls georeferenzierten Punktwolke eines LiDAR-Scanners erfolgen kann.
Es sollen Methoden untersucht werden, um ausgehend von den Punktkoordinaten der Objekte, automatisch das Objekt in der Punktwolke zu segmentieren.
b. Optional: RGB zu Punktwolken Korrespondenz Es soll untersucht werden, inwieweit die Korrespondenz von Pixeln der 2D Kamera zu Punkten der Punktwolke hergestellt werden kann.
Idee: Wir kennen die Position, Ausrichtung und Öffnungswinkel der Kamera. Durch Projektion- oder Raytracing-Verfahren kann festgestellt werden, welche Punkte der Punktwolke zu welchen Punkten des RGB-Bildes gehören.
Mittels adaptivem Schwellwert kann versucht werden, Vordergrund und Hintergrund innerhalb der Bounding-Box eines erkannten Objektes zu unterscheiden. Die durchschnittliche Punkt-Koordinate des Vordergrundes kann als Geoposition für das gefundene Objekt interpretiert werden, was einen Vergleich zu 1.a) ermöglicht.
Um sich für diesen Job zu bewerben, sende deine Unterlagen per E-Mail an nischwitz@cs.hm.edu