毕业论文项目——基于视觉的拖车挂钩角度估计人工智能/机器学习模型
Thesis project - Vision-Based AI/ML Model for Trailer Hitch Angle Estimation
- 地点
- 哥德堡，瑞典
- 类型
- 实习
- 部门
- 学生
职责
- 研究基于摄像头/视觉的实时拖车挂钩角度预测方法及其评估。
- 研究不同策略，例如：在拖车上使用视觉标记或图案；利用几何线索分割进行无标记估计；基于深度视觉模型的学习型角度预测。
- 设计数据采集策略、创建或使用车辆-拖车机动数据集、实施选定的视觉方法，并在典型场景中进行基准测试。
- 可以使用简单的非视觉基线（例如，运动学模型或基本传感器融合）进行比较，但重点在于将视觉作为主要信息来源。
- 目标：针对拖车倒车场景，制定基于摄像头的挂钩角度预测的使用案例和基本性能目标；研究并实施至少一种基于标记点的视觉方法和一种无标记点的视觉方法，用于关节角度估计；设计并应用基于记录的车辆-拖车数据和合适的参考信号的评估程序；将视觉方法与简单的基线方法进行比较，并分析其优势、劣势和主要失败案例；展示概念验证实现，证明在具有代表性的嵌入式或边缘计算平台上进行实时预测的可行性。
- 预期结果：对基于视觉的车辆与拖车之间相对姿态和角度估计技术进行结构化概述；一个经过整理的数据集（或对现有数据集的扩展使用），其中包含同步的相机数据和参考挂钩角度测量值，供研究使用；基于视觉的挂钩角度估计器原型（例如，基于标记和无标记的），可以实时或接近实时运行；对已实现的方法进行记录基准测试和分析，重点强调准确性、鲁棒性和计算工作量之间的权衡。
必备要求
- 计算机科学、复杂自适应系统、系统控制或相关领域的在读硕士学位，专攻机器学习（ML）。
- 在计算机视觉 (CV) 和机器学习 (ML) 感知任务方面拥有扎实的背景。
- 精通 Python、C/C++ 或类似语言的编程。
- 熟悉嵌入式计算的限制。
- 较强的分析和解决问题的能力。
优先条件
- 掌握车辆动力学、拖车运动学和状态估计方面的知识是有益的。
Responsibilities
- Research and evaluate camera/vision-based real-time trailer hitch angle prediction methods.
- Investigate different strategies, such as: using visual markers or patterns on the trailer; markerless estimation using geometric cue segmentation; learned angle prediction based on deep vision models.
- Design data collection strategies, create or use vehicle-trailer maneuver datasets, implement selected vision methods, and benchmark them in typical scenarios.
- Simple non-vision baselines (e.g., kinematic models or basic sensor fusion) may be used for comparison, but the focus is on vision as the primary information source.
- Goals: formulate use cases and basic performance targets for camera-based hitch angle prediction in trailer reversing scenarios; research and implement at least one marker-based and one markerless vision method for joint angle estimation; design and apply an evaluation procedure based on recorded vehicle-trailer data and suitable reference signals; compare vision methods with simple baselines and analyze their strengths, weaknesses, and main failure cases; demonstrate a proof-of-concept implementation proving feasibility of real-time prediction on a representative embedded or edge computing platform.
- Expected results: a structured overview of vision-based relative pose and angle estimation techniques between vehicle and trailer; a curated dataset (or extended use of an existing dataset) containing synchronized camera data and reference hitch angle measurements for research use; a prototype vision-based hitch angle estimator (e.g., marker-based and markerless) that can run in real-time or near real-time; documented benchmarking and analysis of implemented methods, highlighting trade-offs between accuracy, robustness, and computational effort.
Must Have
- Enrolled master's student in Computer Science, Complex Adaptive Systems, Systems Control, or a related field, specializing in Machine Learning (ML).
- Strong background in Computer Vision (CV) and Machine Learning (ML) perception tasks.
- Proficiency in programming in Python, C/C++, or similar languages.
- Familiarity with embedded computing constraints.
- Strong analytical and problem-solving skills.
Preferred
- Knowledge of vehicle dynamics, trailer kinematics, and state estimation is beneficial.
公司简介
我们是 Zeekr Technology Europe，汇聚了来自世界各地的工程师和创意人才。公司位于瑞典哥德堡，这里是全球领先的移动出行创新中心之一。公司成立于2013年，最初名为 CEVT，其使命是打造革命性的模块化车辆架构 CMA。自2024年起，CEVT 正式更名为 Zeekr Technology Europe，标志着我们正式加入 Zeekr 集团。我们致力于为未来的电动出行提供智能、可持续且以用户为中心的技术和软件。