Loading...
 

Themen für Studentenarbeiten


Hier finden Sie eine Auswahl aktuell zu vergebender Themen für Bachelor- und Masterarbeiten.
Meistens gibt es auf Nachfrage noch viele weitere Themen, die hier nicht aufgelistet sind, wobei Sie auch eigene Anregungen einbringen könnnen.
Wenden Sie sich bei Interesse an einer Arbeit einfach an Prof. Koch oder einen der Mitarbeiter.

Eine kurze Übersicht über alle Studentenarbeiten in der Arbeitsgruppe finden Sie unter diesem Link.
Eine detaillierte Übersicht über die Themen abgeschlossener Arbeiten finden Sie im Archiv.


Aktuell verfügbare Bachelorarbeiten:

Aktuell verfügbare Masterarbeiten:

  • 3D-Rekonstruktion dynamischer Szenen mit mehreren asynchronen RGB-D-Kameras

Aktuell laufende Bachelorarbeiten:

Aktuell laufende Masterarbeiten:



Bachelor-/Masterarbeiten

Bachelorprojekt Powerbot 2017

Bachelorprojekt       vergeben

In dem Powerbot-Bachelorprojekt geht es darum, die mobile Roboterplattform "Powerbot" mit Software zu versehen. Der Powerbot verfügt über eine Vielzahl von Sensoren (Odometrie, Sonarsensoren, Farbkamera, Tiefenbildkamera) die zum selbständigen Navigieren, Kartieren, Wegfinden, etc. eingesetzt werden können.

Ziel: Ziel der Bachelorprojekte ist es, gemeinsam (in bis zu 3 Gruppen mit je 2 Personen) eine Software zur robusten autonomen Navigation für den Roboter zu implementieren.

Voraussetzungen: Programmierkenntnisse in C++, Grundlagen der Bildverarbeitung

bearbeitet von: Lukas Haschke, Nils Pöhlmann, Daniel Reckling, Nathan Wenserski

betreut von: Tim Michels, Stefan Reinhold




The Open Racing Car Simulator (TORCS) als Simulator für autonomes Fahren mit Hilfe von neuronalen Netzen

Bachelorarbeit       reserviert

In diesem Bachelorprojekt soll der freie Simulator The Open Racing Car Simulator (TORCS) so angepasst werden, dass ein neuronales Netzwerk trainiert werden kann, welches ein Fahrzeug erfolgreich über die Strecke steuern kann. Der Hauptteil dieser Arbeit wird also in der Anpassung des bestehenden C++-Quellcodes liegen, um das gerenderte Bild und die eingegebenen Steuersignale des Fahrers aufzeichnen zu können.
In einem weiteren Schritt kann dann ggf. noch ein optimaler KI-Fahrer entwickelt werden, welcher anhand der gegebenen Streckendaten den Wagen auf der Ideallinie fährt.

TORCS-Screenshot
TORCS-Screenshot


betreut von: Johannes Brünger



Automatische Detektion von Schweinen in Videobildern anhand von Ellipse Fitting

Bachelorarbeit       vergeben

In dieser Bachelorarbeit soll untersucht werden, inwieweit es möglich ist, Schweine in Videobildern automatisch zu detektieren.
In der Verhaltensforschung von Tieren werden oft klassische Videoüberwachungssysteme eingesetzt. Um auch die Auswertung zum Teil automatisieren zu können, müssen die Tiere individuell segmentiert werden.
In dieser Arbeit soll ein bestehendes Verfahren zum Ellipse Fitting untersucht und auf echten Videos aus einem Versuchsstall angewandt werden, um die Tiere zu identifizieren.

Grauwert-Bild
Grauwert-Bild
Segmentierung
Segmentierung
Gefundene Tiere
Gefundene Tiere


Schlagworte: Segmentation, Ellipse Fitting, RANSAC

bearbeitet von: Christian Piske

betreut von: Johannes Brünger



Tracking von Schweinen basierend auf Graph-Algorithmen

Bachelorarbeit       nicht vergeben

In dieser Bachelorarbeit sollen die von einem Detektor erkannten Positionen individuellen Schweinen zugeordnet werden. Dafür werden anhand von Position- und Farb-Daten Ähnlichkeitsmaße definiert und dann mit Algorithmen der Graphentheorie die Zugehörigkeit zu den Trackingtargets aufgelöst.

Schlagworte: Graph-Algorithmen, Tracklets

betreut von: Johannes Brünger



Automatisierte Analyse und Klassifizierung von Zwei-Photonen-Mikroskopie-Bildern zur Diagnose von Osteogenesis imperfecta

Bachelorarbeit (mehrere Themen)       nicht vergeben

      Osteogenesis imperfecta (OI) wird umgangssprachlich auch als Glasknochenkrankheit bezeichnet, da die Knochen leicht zerbrechlich sind und zum anderen im Röntgenbild eine glasige Struktur aufweisen. Die OI ist eine seltene Erbkrankheit, für die überwiegend autosomal-dominante, seltener auch autosomal-rezessive Erbgänge beschrieben sind. Hauptmerkmal der OI ist das veränderte Kollagen vom Typ I, was zu einer abnorm hohen Knochenbrüchigkeit mit unterschiedlichen Krankheitsbildern führt. (Quelle: Wikipedia)


Ziel der Arbeiten ist es, Zwei-Photonen-Mikroskop-Aufnahmen von Mäuse-Tibiae (Schienbeinen) automatisiert zu analysieren. Ziel der Analyse soll eine möglichst eindeutige Klassifizierung in Wild-Type (WT, "gesunde Maus") oder OI sein.

In einer Arbeit soll die Variation der Kollagenstrukturen über mehrere Schichten hinweg (in 3D) analysiert werden (Dicke, Ausrichtung, etc.). Da nicht klar ist, welche Parameter gut messbar und am aussagekräftigsten sind, soll dies zunächst am WT-Modell untersucht werden. Sind die Parameter des WT-Modells ausreichend charakterisiert, sollen diese genutzt werden, um eine Klassifizierung in WT und OI vorzunehmen.

Mittels FITC-Dextran-Markierung ist es möglich, Osteozyten (Zellen, die den Knochenaufbau regulieren) sichtbar zu machen. Ziel einer weiteren Arbeit ist es, die Osteozyten automatisiert zu segmentieren, zu vermessen, zu zählen und deren Ausrichtung zu bestimmen. Unter Umständen kann eine Korrelation mit den Kollagenstrukturen weitere Informationen liefern, um die Klassifizierung zwischen WT und OI zu verbessern.

2-Maximum-Projektion
2-Maximum-Projektion
3-Maximum-Projektion mit FITC-Dextran-Markierung
3-Maximum-Projektion mit FITC-Dextran-Markierung

Die Bilder zeigen Projektionen eines SHG-Schicht-Bildes einer Position an der Mäuse-Tibia (OI). Die hellen elliptischen Objekte im rechten Bild sind die Osteozyten in ihren Lakunen.

betreut von: Stefan Reinhold

Kooperation mit dem Molecular Imaging North Competence Center (MOIN CC)



Verarbeitung von RGB-D-Lichtfelddaten eines linear bewegten Kamera-Arrays

Masterprojekt/Masterarbeit (mehrere Themen)       vergeben

Image

In unserem Labor wird ein linear bewegliches großes Kamera-Array aus 24 Farbkameras und 2 RGB-D-Kameras (Microsoft Kinect v2) betrieben, das zur Aufnahme raumfüllender Lichtfelder verwendet wird. Die reinen Bilddaten werden dabei durch die Tiefenmessungen der Kinect-Sensoren ergänzt. Auf Grundlage dieser Daten können verschiedene Anwendungen realisiert werden, z. B. Full Parallax Imaging bzw. Free Viewpoint Video (Erstellung von Content für 3D-Displays, Live-Erzeugen betrachterabhängiger Ansichten), Augmented Reality-Anwendungen, sowie Beleuchtungs- und Materialanalyse oder Videonachbearbeitung mit synthetischen Blendeffekten.

Dieses Aufnahmesystem dient als Grundlage für eine Reihe von Studentenarbeiten aus dem Themenfeld der Lichtfelddatenverarbeitung und des (Depth) Image-Based Modeling and Rendering.

Schwerpunkte der Arbeiten:

  • Kalibrierung des Kamerasystems und Genauigkeitsanalyse
  • Verarbeitung von Lichtfelddaten und Rendering neuer Ansichten für dynamische Szenen
  • Synthetische Blendeneffekte für statische und dynamische Szenen
  • Kompression von Lichtfelddaten für statische und dynamische Szenen
  • Rekonstruktion von Materialeigenschaften aus Lichtfelddaten


Voraussetzungen: Programmierkenntnisse in C/C++, Grundlagen der Bildverarbeitung, Computergrafik oder 3D-Szenenrekonstruktion, ggf. numerische Mathematik und Optimierung

bearbeitet von: Thoren Horstmann

betreut von: Sandro Esquivel, Tim Michels


Created by tos. Last Modification: Tuesday 16 of May, 2017 12:37:26 CEST by sandro.