Unterscheidung von Buchsbaumpflanzen und Unkraut durch Klassifikation von fusionierten Kamera- und 2D-Laserscannerdaten
Typ:

Masterarbeit

Betreuer:

Dr.-Ing. Christian Frese

Status:

abgeschlossen

Abgabedatum:

April 2014

Hintergrund
Die Abteilung Mess-, Regelungs- und Diagnosesysteme des Fraunhofer IOSB beschäftigt sich intensiv mit der Entwicklung von Algorithmen für autonome Roboter. Hierzu zählen Verfahren für das Lokalisieren des Roboters, die Wahrnehmung der Umgebung, komplexe Algorithmen zur Pfadplanung und Methoden der Mensch-Roboter-Interaktion. Um die entwickelten Verfahren zu evaluieren, stehen am IOSB eine Reihe verschiedener Roboterplattformen zur Verfügung.


In einem Forschungsprojekt wird ein Roboter für den Einsatz in der Landwirtschaft weiterentwickelt. Als Beispiel wird das automatische Entfernen von Unkraut in Pflanzenbeeten betrachtet.


Aufgabenstellung
Die Nutzpflanzen und das Unkraut müssen mit Hilfe geeigneter Sensoren erkannt und lokalisiert werden. Im Einzelnen sind hierzu folgende Schritte erforderlich:

 

  • Literaturrecherche zum Thema
  • Untersuchungen zur Anordnung verschiedener Sensoren (Kameras, Laserscanner, etc.)
  • Kalibrierung des Sensorsystems
  • Fusion der Information aus den unterschiedlichen Sensoren
  • Untersuchung geeigneter Merkmale
  • Auswahl, Parametrierung und Training eines geeigneten Klassifikators
  • Test der Verfahren und Auswertung der Robustheit der Klassifikation


Anforderungen
Dieses Angebot richtet sich an Studierende der Informatik, Elektrotechnik, Mechatronik, Mathematik, Biologie oder verwandter Fachrichtungen an Universitäten und Hochschulen.
Eine selbständige Arbeitsweise, Programmiererfahrung in C++ und Grundkenntnisse in Linux werden vorausgesetzt.


Wir bieten
... Ihnen die Möglichkeit einer interessanten und praxisbezogenen Abschlussarbeit mit intensiver Betreuung, eine moderne Hardware- und Softwareausstattung mit leistungsfähigen Entwicklungs- und Simulationswerkzeugen sowie eine angenehme Arbeitsatmosphäre in einem kreativen Team von jungen Mitarbeitern.