Studien-/Abschlussarbeit - Lernbasierte Registrierung ohne Kalibrierobjekt

Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mechatronik, Physik, Regelungstechnik, Softwareengineering, technische Informatik oder vergleichbare.

Zur Defektprüfung von Bauteilen wird ein Verfahren entwickelt, dass zwei Sensoren kombiniert. Während eine Kamera für die Oberflächeninspektion zuständig ist, erkennt ein bildgebendes Radar (SAR) Defekte im Materialinneren.
Beide Sensoren nehmen dasselbe Bauteil auf, ihre Aufnahmen unterscheiden sich jedoch stark voneinander. Um die Bilder gemeinsam auswerten zu können, müssen sie deckungsgleich übereinandergelegt werden. Derzeit erfolgt dies über eine einmalige geometrische Kalibrierung mit einer Referenzgeometrie. Diese Lösung setzt einen unveränderten Aufbau voraus und ist in einer Produktionsumgebung nur eingeschränkt praktikabel.

Gegenstand dieser Arbeit ist die Frage, ob sich diese Zuordnung lernen lässt. Für Bildpaare derselben Modalität existieren bereits leistungsfähige Verfahren zur Merkmalskorrespondenz, etwa LoFTR oder SuperGlue. Ihre Übertragbarkeit auf das Paar Radar/Kamera wurde jedoch bislang nicht untersucht.
Die Arbeit ist im Forschungsteam Bildverarbeitung am Fraunhofer IPA in Stuttgart angesiedelt. Datensatz, Vorverarbeitung und Auswertungspipeline liegen bereits vor.

Hier sorgen Sie für Veränderung

1. Zunächst machen sie sich mit dem vorhandenen Datensatz vertraut
2. Verfahrensbewertung zur Merkmalskorrespondenz und Analyse des Verhaltens zwischen den beiden Modalitäten
3. Entwicklung eines angepassten Ansatzes auf die vorliegenden Daten
4. Bewertung der Ergebnisse im Vergleich zur bestehenden Kalibrierung. Registrierfehler in Pixeln quantifizierbar
5. Saubere und nachvollziehbare Dokumentation des Vorgehens und der Ergebnisse

Hiermit bringen Sie sich ein

• Kenntnisse in Python, Grundkenntnisse in PyTorch oder einem vergleichbaren Framework
• Grundlagen der Bildverarbeitung
• Selbstständige, strukturierte Arbeitsweise

Was wir für Sie bereithalten

• SOTA GPU-Hardware zum Training eigener KI-Modelle
• Mitarbeit in einem Forschungsprojekt zu einem neuartigen Verfahren der Defektinspektion in der Produktion
• Fachliche Betreuung und Einbindung in die Arbeitsgruppe
• Arbeitsplatz und Infrastruktur am Fraunhofer IPA

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.

Frau Lisa Schäfer

Recruiting

+49 711 970-3681

[email protected]

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

Kennziffer: 85399Bewerbungsfrist: