Geodetic Institute
Logo Geodetic Institute
 
Studienarbeiten

Studienarbeiten am Geodätischen Institut

Laufende Studienarbeiten

Abgeschlossene Studienarbeiten

  • Punktwolken-Segmentierung zur effizienten Lokalisierung von Multi-Sensor-Systemen
    Bei der Multi-Sensor-Fusion werden die Daten verschiedener Sensoren kombiniert, um die unterschiedlichen Schwächen der verschiedenen Sensoren auszugleichen und die Stärken zu nutzen. Neben IMUs und GNSS-Empfängern werden auch LiDAR-Sensoren (light detection and ranging) verbreitet eingesetzt, um die Positionierung und Umgebungswahrnehmung von Systemen zu realisieren und unterstützen. Als aktive Sensoren sind LiDARs geeignet, bei unterschiedlichen Beleuchtungsbedingungen Daten aufzuzeichnen.
    Led by: Sören Vogel, Dominik Ernst
    Team: Ahmad Hassan
    Year: 2023
    Duration: 02/2023 - 08/2023
    © Ernst
  • Uncertainty modelling of static laser scanning using deep learning
    Modelling TLS-uncertainties using deep learning
    Led by: Jan Hartmann, Hamza Alkhatib
    Team: Tingde Liu
    Year: 2023
    Duration: 06/2023 – 12/2023
    © Hartmann
  • Erweiterung eines Lidar-basierten Referenzmesssystem und Installation auf einem Test-Fahrzeug
    Die Studienarbeit erfolgt in Kooperation mit IAV in Gaimersheim. In dieser Studienarbeit geht um die Erweiterung eines Referenzmesssystems für Fahrassistenzsysteme. Dabei soll ein bestehendes System um eine zweite Kamera erweitert werden, welche für die Datenfusion mit einem LiDAR verwenden werden soll. Dabei sollen die Echtzeitfähigkeit und die Kompatibilität der echtzeitfähigen Komponenten gewahrt werden.
    Led by: Dominik Ernst, Hamza Alkhatib
    Team: Saurabh Borse
    Year: 2022
    Duration: 09/2021 - 04/2022
  • Simulation eines UAV-basierten Multi-Sensor-Systems
    Bei der Trajektorienschätzung von Fahrzeugen kann man die Genauigkeit der Ergebnisse durch mathematische Verfahren ableiten. Allerdings lässt sich die Richtigkeit der Ergebnisse nicht so einfach beurteilen. Eine Lösung besteht darin, die Ground Truth Trajektorie zu haben und durch den Vergleich mit der geschätzten Trajektorie die Korrektheit der Ergebnisse zu gewährleisten. Jedoch ist die Generierung der Ground Truth für ein reales Szenario, um die Funktionsfähigkeit eines mathematischen Algorithmus zu bewerten, nicht kosteneffizient und manchmal ist es auch nicht einfach und unkompliziert.
    Led by: Arman Khami und Sören Vogel
    Team: Jonas Haack
    Year: 2022
    Duration: 04/2022 - 10/2022
  • Comparison of different measurement subsampling techniques in the localization of an autonomous multi-sensor-system
    Comparing various approaches to decrease the number of scanned data to be used for localizing multi-sensor-systems in an urban environment.
    Led by: Rozhin Moftizadeh, Hamza Alkhatib
    Team: Hao Heshan
    Year: 2022
    Duration: 05/2022 - 11/2022
    © Ernst
  • Automatisierung der Systemkalibrierung für LiDAR-basierte Multisensorplattformen
    LiDAR-Sensoren (light detection and ranging) finden in vielen Bereichen Anwendung. Durch die leichte Bauform sind LiDARs besonders für autonome Systeme geeignet. So werden die Sensoren für autonome Fahrzeuge zur Hinderniserkennung oder auch für UAVs (unmanned aerial vehicles) zur Aufzeichnung von Punktwolken als Unterstützung von Bilddaten eingesetzt. Auch im geodätischen Kontext finden LiDARs als kinematische Messsysteme immer größere Anwendung. Häufig werden dabei low-cost Laserscanner (LiDAR) eingesetzt. Um die bestmöglichen Ergebnisse mit diesen Sensoren zu erreichen, sind Kalibrierungen notwendig. Diese Kalibrierungen können in einer separaten Kalibrierumgebung erfolgen oder in-situ vor der Messung erfolgen.
    Led by: Sören Vogel, Dominik Ernst
    Team: Stefan Kampmann
    Year: 2022
    Duration: 10/2022 - 04/2023
    © Ernst
  • Implementation of Constraints in Extended Kalman Particle Filter for Georeferencing of Multi-Sensor-Systems
    Reliable georeferencing of a Multi-Sensor-System (MSS) is a challenging task, which comprises at least the accurate determination of three translation and three orientation parameters. With the help of GNSS and IMU measurements, this information can be gained directly in the object coordinate system. However, sometimes the information coming from the sensor might not be reliable enough or it might even be unavailable, especially in urban areas. Because of the high building, GNSS information is affected by signal occlusions. In order to increase the accuracy of georeferencing, appropriate filtering techniques should be applied.
    Led by: Rozhin Moftizadeh, Hamza Alkhatib
    Team: Zao Yin
    Year: 2022
    Duration: 10/2023 - 04/2023
  • Implementation of Inversely Weighted Distance Subsampling Approach for Georeferencing of Multi-Sensor-Systems by Extended Kalman Particle Filter
    Multi-Sensor-System georeferencing is a challenging task when it comes to inner-city areas in which high-rise infrastructures avoid having reliable GNSS signals. On the other hand, the IMU data are usually subject to drifting over time. Therefore, suitable techniques should be used to compensate for the measurement errors of such sensors and hence to improve the reliability of the georeferencing solutions.
    Led by: Rozhin Moftizadeh, Hamza Alkhatib
    Team: Zhang Meng
    Year: 2022
    Duration: 10/2023 - 04/2023