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

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