Szintetikus sztereó videó- és LiDAR-adatok generálása vasúti akadálydetektáló rendszerekhez

Félév: 2026-2027 ősz

Kategória: Szoftver

Téma leírása

A Siemens Mobility a kötöttpályás és intelligens közlekedési rendszerek vezető globális szállítójaként élen jár az autonóm és asszisztált vasúti járműirányítási technológiák fejlesztésében. Az akadályfelismerő rendszerek (Obstacle Detection Systems – ODS) nagy szerepet játszanak a vasúti közlekedés biztonságának és automatizálási szintjének növelésében. A valós, fizikai tesztelés rendkívül költséges, időigényes és nehezen reprodukálható, különösen a ritkán előforduló, veszélyes peremhelyzetek esetén. Az ernyőprojekt célja egy átfogó, digitális iker alapú virtuális tesztmező és szimulációs keretrendszer kifejlesztése, amely kiváltja a költséges helyszíni méréseket. Ez a digitális infrastruktúra lehetővé teszi az ODS algoritmusok gyors, skálázható validációját és a formális biztonsági érvelés (Safety Case) megalapozását.

A kutatás háttere és motivációja A sztereó kamerákra és LiDAR szenzorokra támaszkodó vasúti akadálydetektáló rendszerek (Obstacle Detection System – ODS) fejlesztése, tesztelése és validációja nagy felbontású, reprezentatív szenzoradat-sorozatokat igényel. A valós pályatesztek rendkívül költségesek, nehezen skálázhatók és reprodukálhatók, továbbá a ritka vagy veszélyes helyzetek szisztematikus előidézése fizikai környezetben komoly korlátokba ütközik. A szintetikus adatelőállítás során a legfőbb kihívást a kamerák és a LiDAR adatai közötti szigorú geometriai konzisztencia, a precíz és automatikus annotáció, valamint a szcenárió-paraméterek szerinti reprodukálhatóság és vezérelhetőség biztosítása jelenti. A vasúti környezetek virtuális rekonstrukciójára, a jelenetek módosítására (pl. akadályok elhelyezése, időjárási viszonyok változtatása) és a szintetikus adatok generálására számos megközelítés létezik – a hagyományos 3D modellezéstől és szimulációs keretrendszerektől kezdve a 3D Gaussian Splatting technológián és Vision-Language modelleken (VLM) át az egyéb generatív AI módszerekig. A kutatás célja ezen technológiák és technológiakombinációk szisztematikus vizsgálata és összehasonlító értékelése nemcsak vizuális realizmus, hanem sztereó konzisztencia, mélységpontosság, LiDAR adathűség, vezérelhetőség, reprodukálhatóság és integrációs ráfordítás szempontjából.

A hallgató feladatai

• Technológiai felmérés és szakirodalmi kutatás: A jelenetrekonstrukcióra, generálásra, manipulációra, renderelésre és szenzorszimulációra alkalmas eljárások és keretrendszerek áttekintése.

• ODS-specifikus követelményrendszer kidolgozása: A sztereó videóra, LiDAR pontfelhőkre, automatikus annotációkra, jelenetvariációkra, szenzorszinkronizációra és interfészekre vonatkozó elvárások formalizálása.

• Strukturált értékelési keretrendszer definiálása: Objektív metrikák és szempontrendszer meghatározása a technológiák összevetésére (geometriai helyesség, sztereó diszparitás, mélységpontosság, LiDAR valósághűség, futási idő, hardver- és licenckövetelmények).

• Prototípus-készítés és kísérletezés: Reprezentatív kísérleti környezetek implementálása és összehasonlítása a legígéretesebb megközelítések mentén (pl. 3D szimuláció, generatív modellek, neurális jelenetreprezentációk).

• Szinkronizált szintetikus adathalmaz generálása: Időben és térben szinkronizált sztereó kamera- és LiDAR adatsorok, valamint a hozzájuk tartozó annotációk előállítása kiválasztott vasúti jelenetekre és akadályokra.

• Kvantitatív és kvalitatív validáció: Az előállított adatok geometriai pontosságának, konzisztenciájának, vezérelhetőségének és a pipeline skálázhatóságának mérése és elemzése.

• Mérnöki ajánlás és technológiai javaslat: Indoklással alátámasztott technológiai javaslattétel a virtuális ODS szcenárió-generáláshoz és teszteléshez, rávilágítva az egyes megközelítések korlátaira és a szükséges további fejlesztési irányokra.

A téma a Siemens Mobility ipari partnerségében valósul meg.

Külső partner: Siemens Mobility

Maximális létszám: 2 fő