Sommersemester 2025 – befristet auf 3-6 Monate

In der Automation von Logistikprozessen spielt die Verarbeitung von 3D-Daten eine wichtige Rolle. Ein Anwendungsbeispiel ist die Formerkennung der versendeten Objekte. Die dafür erforderliche Analyse komplexer Muster und Beziehungen in großen Datenmengen stellt insbesondere in 3D Punktwolken eine Herausforderung dar. Um bestehende Anwendungsgebiete zu verbessern und neue zu erschließen, muss eine Reduktion der Punktwolken auf die Punkte mit dem größtmöglichen Informationsgehalt erfolgen. Im Rahmen dieser Arbeiten sollen statistische Methoden zum Sampling von Punktwolken untersucht werden. Zur Evaluation der Methoden stehen Daten und ein Anwendungsbeispiel zur Verfügung.

IHRE AUFGABEN:

• Recherchieren Sie statistische Methoden zum Sampling von Punktewolken und deren Anwendung in der Formerkennenung
• Arbeiten Sie sich ein in bestehende Technologien zur Verarbeitung von 3D-Daten, insbesondere in die Analyse von 3D-Punktewolken
• Entwickeln Sie Ansätze zur Reduktion von Punktewolken, um die Punkte mit dem größtmöglichen Informationsgehalt zu extrahieren
• Analysieren und diskutieren Sie Ihre Ergebnisse und dokumentieren Sie diese detailliert

IHR PROFIL:

• Sie studieren Informatik, Mathematik, Elektrotechnik oder einen vergleichbaren Studiengang
• Sie haben Erfahrung und Freude an der Programmierung mit Python oder C++
• Idealerweise haben Sie Kenntnisse in der Verarbeitung und im Umgang mit 3D-Daten
• Sie verfügen über gute Englischkenntnisse
• Sie überzeugen durch Ihre zuverlässige und strukturierte Denk- und Arbeitsweise

IHRE BEWERBUNG:

• Wir freuen uns auf Ihre Online-Bewerbung
• Sarah Disch
• Job-ID 36370 
• Vertrauliche Behandlung wird zugesichert

*Der Mensch zählt, nicht das Geschlecht.

Wir setzen auf Vielfalt, lehnen Diskriminierung ab und denken nicht in Kategorien wie etwa Geschlecht, ethnische Herkunft, Religion, Behinderung, Alter oder sexuelle Identität.

Stichworte: Intern, Internship, Abschlussarbeit