Betreuer: Prof. Dr. Jürgen Graf
Kurzfassung:
Das Korrespondenzproblem und die Detektion von Schlüsselpunkten sind anspruchsvolle Aufgaben, besonders wenn sie in heterogenen Umgebungen sowohl in Innen- als auch in Außenszenarien angewendet werden. Darüber hinaus stellt der Bereich der mobilen Robotik besondere Anforderungen an diese Aufgaben hinsichtlich Leistung, Genauigkeit und der begrenzten Rechenkapazität. Die Arbeit diskutiert den Stand der Technik und wendet diese Modelle in einer kombinierten Pipeline an, um Szenenabgleich, Objekterkennung, Posenschätzung und Instanzverfolgung für die mobile Robotik umzusetzen. Darüber hinaus wird ein Modell zur Posenschätzung mit Hilfe von Datensatzaugmentierungen trainiert. Diese Pipeline wird dann auf Szenarien im Freien angewendet, die Fahrzeuge und Gelenkkörper, zum Beispiel Menschen, umfassen. Die Ergebnisse zeigen das Potenzial des Ansatzes insbesondere für die Datensatzaugmentierung. Die selbst trainierte Modell für die Fahrzeugposenschätzung zeigt vielversprechende Ergebnisse in verschiedenen realen Innen- und Außenszenarien.