In der Industrie haben mobile und preiswerte 3D-Scanner bisher wenig Anwendung gefunden. Der Grund dafür könnte sein, dass die meisten Unternehmen keinen erhöhten Mehrwert im Einsatz dieser Technologie sehen, da ihnen der Prozessablauf zur Nutzung von 3D-Modellen als Wettbewerbsvorteil gegenüber der Konkurrenz fehlt. Aus diesem Grund wäre an dieser Stelle ein Demonstrator sinnvoll, der die vielfältigen Einsatzmöglichkeiten der Planung anhand einer 3D-gescannten Umgebung mit zusätzlicher Objekterkennung aufzeigt.

 

Motivation:

Aufgrund der immer steigenden Anforderungen an ein Produkt in der heutigen Zeit steht die Industrie vor verschiedensten Herausforderungen. Eine dieser Herausforderungen ist die komplexe Logistik aufgrund von breiten Produktpaletten und Artikeln, die aus einer Vielzahl an Bauteilen besteht. Industriehallen müssen umstrukturiert und mit neuen Maschinen bestückt werden. Dank heutiger Technik wird dieser Prozess durch eine virtuelle Veranschaulichung und Planung erheblich vereinfacht. Ein entscheidender Vorteil wäre zudem, wenn alle Objekte und Hindernisse bereits in der Produktionshalle markiert und für eine Planung hervorgehoben sind.

 

Themenerstellung:

Auswahl eines kosteneffizienten 3D-Scanverfahrens zur dreidimensionalen Erfassung von Produktionsumgebungen

  • Beispiele für einen Smartphone basierten 3D-Scanner: Apple: LIDAR, Android: ARCore
  • Postprocessing des 3D-Scans und Optimierung des 3D-Mesh und Aufbereitung für die Zielgruppen

Autonome Klassifizierung von Objekten innerhalb eines 3D Scans /Videos für die bessere Planung einer Produktionsumgebung

  • Open-Source KI-Algorithmus trainieren
  • Beispiel: YOLO + SLAM-Algorithmus
  • Ist eine autonome Objekterkennung und Klassifizierung in einem 3D-Scan umsetzbar (Blender + virtuelle Kamera) oder nur über Video?

 

Vorkenntnisse:

  • Erfahrungen mit grafischen 3D-Tools sowie mit der Bearbeitung von 3D-Modellen sind von Vorteil, eine Einarbeitung ist möglich
  • Programmierkenntnisse sind von Vorteil
  • Erfahrungen in Pattern Recognition sind von Vorteil

 

Nützliche Links:

Beispiel eines 3D-Scanners: Apple LIDAR Scanner

Startup: ROBOTOP Kurzvorstellung | FAPS

YOLO Algorithmus: Object detection using Opencv with Python

 

Über eine Anfrage mit beigefügtem Lebenslauf und der Notenübersicht würde ich mich sehr freuen.
Bei Interesse gerne direkt an mich (Kontakt siehe unten) wenden oder über das Anfrageformular.

 

Siehe Teaser:

Kategorien:

Forschungsbereich:

Engineering-Systeme

Art der Arbeit:

Bachelorarbeit, Diplomarbeit, Masterarbeit, Projektarbeit, Studienarbeit

Studiengang:

Energietechnik, Informatik, IPEM, Maschinenbau, Mechatronik, Medizintechnik, Wirtschaftsingenieurwesen

Technologiefeld:

Künstliche Intelligenz und Maschinelles Lernen, Kommunikation und Kooperation, Medizintechnik, Planung und Simulation, Software Engineering und Deployment, Innovatives Qualitätsmanagement

Kontakt:

Nicolas Falbesaner, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)


Baris Erdönmez, M.Sc.

Department Maschinenbau (MB)
Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS, Prof. Franke)