Thesis: Machine Learning / Signalverarbeitung von ADAS Radar / Lidar Daten

Für unseren Standort in Friedrichshafen suchen wir engagierte, motivierte und verantwortungsbewusste Studenten für folgende Aufgaben:

Thesis: Machine Learning / Signalverarbeitung von ADAS Radar / Lidar Daten

Aufgaben:

Wir verstärken unser Team im Bereich Maschinelles Lernen / Neuronale Netze und Signalverarbeitung am Standort Friedrichshafen. Der ZF-Konzern ist ein führender Entwickler und Innovator auf dem schnell wachsenden Gebiet der Advanced Driver Assistance Systems (ADAS) und des Autonomen Fahrens. Für die Entwicklung der hierfür notwendigen Funktionsalgorithmen setzen wir sowohl auf modellbasierte Ansätze (Beschreibung des Systems über physikalische Zusammenhänge) als auch auf maschinenlernbasierte Verfahren (Lernen anhand von Beispielen). Eine sichere Objekterkennung im Bereich Radar / Lidar basiert herkömmlicherweise auf der aus Rohdaten extrahierten 3D/4D Punktewolke. Bei der Erstellung und Auswertung dieser Daten spielen konventionelle Signalverarbeitung und Neuronale Netze eine zentrale Rolle. Wir bieten Ihnen die Gelegenheit, diese Methoden und Aufgaben im Bereich ADAS und Autonomes Fahren mit Fokus auf Radar- und Lidardaten basierend auf Prototypen aus der Vorentwicklung in einem modernen und kreativen Arbeitsumfeld kennen zu lernen.

Ihre Tätigkeitsschwerpunkte:§

• Analyse von Radar/Lidar-Rohdaten oder bereits prozessierten Punktewolken
• Design und Training von Machine-Learning-Verfahren zur Extraktion, Klassifikation, Prädiktion oder Analyse von Daten
• Entwicklung innovativer Ansätze im Bereich der Signalverarbeitung
• Begleitende Aufgaben sind Datengewinnung, Datenvorbereitung, Aufbau einer Ground-Truth-Strategie, Validierung des Verfahrens

Funktionsbereich:

F& - Funktionsentwicklung

Fachrichtung:

Informatik

Physik

Mathematik

Elektronik / Elektrotechnik

Vorabinformationen erhalten Sie bei:
Herr Dr. Benjamin Sick
Tel.:+49 7541 77-969344

Anzahl der freien Plätze:
1

Beginn:
Wintersemester 2018/19

Dauer:
6 Monate

Bei Interesse bewerben Sie sich bitte ausschließlich online mit vollständigen Bewerbungsunterlagen (inklusive Anschreiben mit unten genannter Kennziffer und Hochschulzeugnissen).