Konzeptstudien für ein Feldprüfungsverfahren für kinematische LiDAR-basierte MSS
© GIH
| Led by: | PD Dr.-Ing. Hamza Alkhatib, Dominik Ernst M. Sc. |
| E-Mail: | ernst@gih.uni-hannover.de |
| Year: | 2026 |
| Date: | 03-11-25 |
| Duration: | Ab Sommersemester 2026 |
Hintergrund:
Kinematische MSS werden häufig für viele Anwendungen eingesetzt, beispielsweise zur Erfassung von Straßen, Industriegebieten oder Büros. Die Mobilität der Systeme führt zu einem sehr effizienten Erfassungsprozess. Diese Effizienz wird durch moderne Sensoren und Algorithmen zur Verarbeitung der Daten ermöglicht. Andererseits ist die Verarbeitung sehr komplex und die Benutzer können den gesamten Prozess nicht ohne Weiteres bewerten. Abweichungen bei der Kalibrierung des Systems oder Probleme der einzelnen Sensoren führen zu Abweichungen in den resultierenden Punktwolken der Systeme. Im Normalbetrieb können diese Abweichungen schwer zu erkennen sein. Ziel dieser Arbeit ist die Entwicklung eines Konzepts für ein Feldprüfungsverfahren, mit dem bewertet werden kann, ob ein kinematisches LiDAR-basiertes MSS gemäß seinen Spezifikationen funktioniert.
Ziele:
Das Verfahren soll anhand einer Simulation entwickelt werden. Die Simulation sollte in der Lage sein, systematische Abweichungen in den Erfassungsprozess einzuführen (sensorspezifisch oder systemweit). Das Feldprüfungsverfahren sollte einfach durchzuführen sein und (im besten Fall) keine Referenzinformationen erfordern. Die Bewertung erfolgt auf der Grundlage der erfassten Punktwolke. Letztendlich sollte das Feldprüfungsverfahren eine erforderliche Umgebung und Bewegung des Systems beschreiben, um zu bewerten, ob die Spezifikationen erfüllt sind.
Methodischer Ansatz:
- Literaturrecherche zu Multisensorsystemen, deren Kalibrierung und Unsicherheitsbudget
- Konzeptentwurf möglicher Verfahren für eine Feldprüfung einschließlich der erforderlichen Bewegung und Umgebung
- Sensitivitätsanalyse der resultierenden Punktwolken auf der Grundlage einer Auswahl von Unsicherheiten, die das MSS beeinflussen
Erforderliche (Programmier-)Kenntnisse:
Python oder MATLAB
Sprachen:
Deutsch/Englisch