Master Thesis - Road-Surface Reconstruction with LiDAR-Camera Gaussian Splatting(m/w/x)

# Master Thesis - Road-Surface Reconstruction with LiDAR-Camera Gaussian Splatting (m/f/d) ## DEIN TEAM Zur Unterstützung unseres Vehicle Motion & Chassis Teams bieten wir ein Masterarbeitsthema zur Szenenerkennung der nächsten Generation in 3D an. Du arbeitest mit unserer eigenen Sensorplattform (doppelte LiDARs, Stereokameras und Fahrzeugsignale). Du wirst die Forschungsfrage verfeinern, modernstes neuronales Rendering (3D Gaussian Splatting) implementieren und die Pipeline mit realen Fahrdaten validieren. Ziel ist es, ein effizientes 3D-Straßenoberflächenmodell zu liefern, das direkt in unsere Fahrwerksregelung eingespeist wird – zur Steigerung von Fahrkomfort und Sicherheitsfunktionen. Dabei erhältst du die nötige Freiheit, Hardware-Zugriff und Betreuung, um deine Ergebnisse zu veröffentlichen. ## DEINE AUFGABEN * Literaturrecherche zum Stand der Technik bei 3D Gaussian Splatting, neuronalen Punkt- / Gaussian-Feldern und verwandten Echtzeit-Szenendarstellungen * Entwerfe und implementiere eine vollständige Pipeline, die Dual-LiDAR-Tiefeninformationen und Stereo-/RGB-Bilddaten zu 3D-Gaussian-Splats fusioniert – mit Fokus auf die befahrbare Oberfläche * Entwickle, optimiere und benchmarke die Gaussian-Splatting-Pipeline in Python/PyTorch * Evaluation: Qualitative und quantitative Bewertung der Rekonstruktionsgenauigkeit und Laufzeit des Ansatzes ## DAS BRINGST DU MIT * Laufendes Studium im Bereich Informatik, Robotik, Mechatronik oder einem verwandten Bereich * Solide Grundlagen in 3D-Geometrie / Mehrblickgeometrie * Starke Python-Programmierkenntnisse und praktische Erfahrung mit PyTorch * Vertraut mit zentralen Computer-Vision- und Punktwolken-Bibliotheken (OpenCV, NumPy, Open3D) * Praktische Erfahrung mit Deep-Learning-Architekturen * Eigenständig, teamorientiert, kommunikativ und motiviert zu veröffentlichen * Idealerweise Vorerfahrung im Umgang mit LiDAR- und/oder Kamerasystemen, beispielsweise durch die Arbeit mit Datensätzen zum autonomen Fahren * Erste Erfahrungen im Verfassen und Veröffentlichen wissenschaftlicher Arbeiten sind optional ## NICE TO KNOW * Remote-Arbeit innerhalb Deutschlands möglich * Dauer: 3 bis 6 Monate * 35 Stunden/Woche Bei CARIAD schätzen wir Individualität und Vielfalt – denn wir sind überzeugt, dass uns unsere Unterschiede stärker machen. Wir setzen uns aktiv dafür ein, Teams mit unterschiedlichen Hintergründen, Perspektiven und Erfahrungen aufzubauen. Unser Ziel ist ein Arbeitsumfeld, in dem sich alle wertgeschätzt fühlen und ihre Stärken einbringen können.