Stereo-Tiefenschätzung für ein Drohnen-Inspektions-Startup vergleichen
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 500 kalibrierte Stereo-Paare aus einer Turbinen-Inspektion plus sparsame LiDAR-Ground-Truth für jedes Paar. Implementiere (oder integriere) drei Tiefenschätzer: OpenCV Semi-Global Matching (SGM) als Baseline, ein kleineres lernbasiertes Modell (z. B. HITNet) und ein größeres (z. B. RAFT-Stereo). Miss die Tiefengenauigkeit (D1-Metrik und absoluter Tiefenfehler in Zentimetern bei typischen Inspektionsdistanzen von 2-8 m), die Laufzeit auf einer Jetson Orin (oder einem dokumentierten x86-Ersatz, falls keine Hardware verfügbar ist), und das Verhalten in Randfällen an spiegelnden Blattspitzen. Empfiehl eine Methode und quantifiziere die Abwägung.
Das Briefing
Was Du tust und was Du zeigst.
Wähle die beste Stereo-Tiefenschätzmethode für Rotorblatt-Inspektionen unter Abwägung von Genauigkeit, Randfall-Robustheit und Laufzeit auf der Drohne.
Earning criteria — what you'll demonstrate
- Klassische und lernbasierte Stereo-Tiefenschätzung implementieren und vergleichen
- Genauigkeit mit Standardmetriken (D1, MAE) und kantenbewussten Metriken quantifizieren
- Den Trade-off zwischen Genauigkeit, Latenz und Speicherverbrauch für Edge-Deployment einschätzen
- Eine Methodenentscheidung schriftlich gegenüber einem technischen Publikum begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenComputer Vision Engineer
Einen Stereo-Tiefen-Vergleich mit Edge-Deployment-Bedingungen zu verantworten ist genau die Art von Abwägung, die CV-Engineers in Robotik- und Drohnen-Firmen jedes Quartal ausliefern.
Dieses Projekt schärft
- stereo-depth-estimation
- multi-view-geometry
- model-evaluation
MLOps Engineer
Die Fähigkeiten rund um Geräte-Laufzeit und reproduzierbare Benchmark-Pipelines schlagen die Brücke zur MLOps-Arbeit an Inferenz-Plattformen.
Dieses Projekt schärft
- edge-deployment
- benchmarking
- model-evaluation
Applied AI Scientist
Einen Modellvergleich in eine schriftliche Empfehlung zu übersetzen, auf die ein VP of Engineering reagieren kann, ist Kerngebiet der Applied-AI-Scientist-Arbeit.
Dieses Projekt schärft
- model-evaluation
- benchmarking
- pytorch
Noch eine Sache