Stereo-Tiefenschätzung für einen Schwarzwälder Mähroboter-Hersteller
Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten 400 kalibrierte Stereopaare aus Garten- und Park-Szenen plus spärliche LiDAR-Ground-Truth. Implementieren Sie drei Tiefenschätzer: OpenCV Semi-Global Matching (SGM) als Baseline, ein kleines lerngestütztes Modell (HITNet) und ein größeres (RAFT-Stereo). Messen Sie Tiefen-Genauigkeit (D1-Metrik und absolute Tiefenabweichung in Zentimetern in typischen Mäh-Entfernungen 0,5-3 m), Laufzeit auf einem Jetson Orin (oder einem dokumentierten x86-Proxy, wenn nicht verfügbar) und Verhalten in Edge Cases (frisch gemähter Rasen, Wassertropfen). Empfehlen Sie eine Methode und quantifizieren Sie den Trade-off.
Das Briefing
Was Du tust und was Du zeigst.
Welche Stereo-Tiefenmethode passt am besten zu einem Profi-Mähroboter im Trade-off zwischen Genauigkeit, Edge-Case-Robustheit und On-Device-Laufzeit?
Earning criteria — what you'll demonstrate
- Klassische und lerngestützte Stereo-Tiefe vergleichend implementieren
- Genauigkeit über D1 und MAE plus Edge-Aware-Metriken quantifizieren
- Über den Genauigkeit-/Latenz-/Speicher-Trade-off für Edge-Deployment argumentieren
- Eine Methodenwahl gegenüber einer technischen Audience verteidigen
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
Stereo-Tiefen-Bake-off mit Edge-Deployment-Randbedingungen zu besitzen ist genau die Trade-off-Arbeit, die CV Engineers in Robotik-Firmen jede Quartalsiteration liefern.
Dieses Projekt schärft
- stereo-depth-estimation
- multi-view-geometry
- model-evaluation
MLOps Engineer
On-Device-Laufzeit und reproduzierbares Benchmark-Harness sind Brücken-Kompetenzen in MLOps-Arbeit an Inferenz-Plattformen.
Dieses Projekt schärft
- edge-deployment
- benchmarking
- model-evaluation
Applied AI Scientist
Modellvergleich in eine schriftliche Empfehlung zu überführen, auf die eine VP Engineering reagieren kann, ist Kernarbeit von Applied AI Scientists.
Dieses Projekt schärft
- model-evaluation
- benchmarking
- pytorch
Noch eine Sache