Ledigt jobb: Mjukvarutestare

Semantisk kartläggning, navigation och hinderundvikande för den autonoma plattformen

STUDIENS SYFTE

För att öka kunskapen och expertisen inom den ständigt utvecklande bilindustrin utvecklade Infotiv Technology Development AB den öppna och utbildningsinriktade autonoma plattformen. Den befinner sig för närvarande i sin fjärde iteration (AP4) och plattformens mål är att ha en autonom gokart som kan användas för att främja forskning och utveckling inom bilindustrin.

Studiens syfte är att designa och implementera en helhetslösning för perception till navigation på plattformen, genom att kombinera simultant lokalisering och kartläggning (SLAM) med multi-sensorfusion, semantisk objektdetektering och intelligent sökvägsplanering. Istället för att enbart förlita sig på förbyggda kartor eller reaktiv hinderundvikande, ska plattformen vara kapabel att inkrementellt bygga en karta, fylla den med detekterade objekt och utnyttja visuella landmärken för att planera vägar som är både säkra och kontextmedvetna. Målet är att utvärdera och förbättra den autonoma plattformens effektivitet för ett eller flera av följande områden:

• Att bygga och upprätthålla en noggrann karta över miljön med hjälp av SLAM och fusionerad data från LiDAR, kamera, IMU eller laser.
• Att detektera, klassificera och lokalisera objekt i miljön samt lagra dem som semantiska annotationer i kartan.
• Att använda visuella ledtrådar, såsom filmarkeringar, skyltar och igenkännbara landmärken, för att förbättra lokaliseringsnoggrannheten och sökvägsvalet.
• Att planera rutter som tar hänsyn till både statisk kartkunskap och dynamiskt detekterade hinder.
• Att validera hela systemet på den fysiska AP-hårdvaran samt i det befintliga simulationsmiljön.

POTENTIELLA FRÅGOR FÖR FORSKNING

• Påverkar fusionen av LiDAR med kameradata och andra sensorer SLAM-noggrannheten och kartkomplettheten jämfört med enskilda sensorlösningar på AP?
• Hur kan detekterade objekt (dynamiska hinder) representeras och lagras i navigationskartan så att plattformen undviker dem pålitligt över flera genomfarter av samma område?
• Vilka visuella ledtrådar som finns tillgängliga i AP:s operativmiljö ger den mest pålitliga informationen för säkert sökvägsval?
• Hur presterar navigeringssystemet när hinder dyker upp dynamiskt, och hur snabbt kan planeraren omdirigera för att upprätthålla säkerheten?
• Vilka är de beräkningsmässiga begränsningarna för att köra en hel SLAM- och semantisk kartläggningspipeline på AP:s onboard-hårdvara, och hur kan systemet optimeras för att uppfylla realtidskrav?

Läs mer om det autonoma plattformprojektet i detta GitHub-arkiv:

GitHub - infotiv-research/autonomous_platform

VEM SÖKER VI?

Vi söker två masterstudenter med bakgrund inom mekatronik, elektroteknik eller likvärdig utbildning (t.ex. MPSYS, MPCAS, MPDSC), som vill genomföra sitt examensarbete under våren 2027. Sökanden bör ha erfarenhet av elektroteknik, mjukvaruutveckling och ett intresse för att lära sig mer om testautomation. Sökanden bör även ha erfarenhet av programmeringsspråk som C++ eller Python. Det är meriterande med tidigare erfarenhet eller kunskap inom ROS 2, Nav2, SLAM-verktyg, ramverk för objektdetektering, sensorfusion, Git eller Docker. Automatisering, ROS2 och maskininlärning.

OM OSS

TechDev är en avdelning på Infotiv som fokuserar på utveckling och testlösningar för SW & HW. Vi består för närvarande av 70 tekniska konsulter med olika bakgrunder och erfarenheter från många tekniska områden. Våra medarbetare använder sin expertis för att erbjuda skräddarsydda lösningar på alla typer av utmaningar, allt från SW-utveckling, maskininlärning och simulationer till projekt- och testledning samt arbetsmetoder. En av våra styrkor är den vänliga atmosfären i vårt tekniska samhälle, vilket ger tillgång till TechDevs kollektiva kunskap genom interna samarbetsverktyg och kompetensledarprogram, som kontinuerligt tillhandahåller uppdateringar om den senaste tekniken.

HUR SÖKER JAG?

Sök till detta examensarbete senast 2026-12-31. Se till att bifoga ditt CV och en kort sammanfattning av varför du vill delta i detta examensarbete.

För ytterligare information, kontakta: Maria Alemyr [[email protected]] +46(0)-76 890 78 72