Zum Hauptinhalt springen
Unsere Forschungsexperten

Annika Hagemann

Sicherstellen hochgenauer Kalibrierungen für automatisiertes Fahren und Robotik

Mich fasziniert, dass das Sehen für uns Menschen recht mühelos erscheint – die Umsetzung durch Algorithmen jedoch eine enorm hohe Komplexität mit sich bringt.
Annika Hagemann

Ich bin Doktorandin am Bosch Computer Vision Lab, wo mein Forschungsschwerpunkt im Bereich des maschinellen Sehens und der Kamerakalibrierung liegt. Ziel meiner Forschung ist es, genau zu modellieren, wie Kameras die 3D-Welt auf ein 2D-Bild abbilden. Ein solches Modell wird benötigt, wenn Kameras zur Umfeldwahrnehmung eingesetzt werden – zum Beispiel beim automatisierten Fahren und in der Robotik.

Lebenslauf

  1. Doktorandin am Karlsruher Institut für Technologie und am Bosch Computer Vision Lab
  2. Max-Planck-Institut für Dynamik und Selbstorganisation, Neural Systems Theory Group
  3. Master in Physik an der Georg-August-Universität Göttingen

Ausgewählte Publikationen

  • Inferring bias and uncertainty in camera calibration

    A. Hagemann et al. (2021)

    Inferring bias and uncertainty in camera calibration
    • Hagemann, A., Knorr, M., Janssen, H., & Stiller, C.
    • International Journal of Computer Vision, 1-16.
  • Modeling dynamic target deformation in camera calibration.

    A. Hagemann et al. (2021)

    Modeling dynamic target deformation in camera calibration.
    • Hagemann, A., Knorr, M., & Stiller, C.
    • Accepetd for publication at IEEE/CVF, WACV 2022.
  • Bias Detection and Prediction of Mapping Errors in Camera Calibration

    A. Hagemann et al. (2021)

    Bias Detection and Prediction of Mapping Errors in Camera Calibration
    • Hagemann, A., Knorr, M., Janssen, H., & Stiller, C.
    • In Pattern Recognition: DAGM GCPR 2020. Springer International Publishing. (Best Paper Award 2020)
  • Assessing criticality in pre-seizure single-neuron activity of human epileptic cortex

    A. Hagemann et al. (2021)

    Assessing criticality in pre-seizure single-neuron activity of human epileptic cortex
    • Hagemann, A., Wilting, J., Samimizad, B., Mormann, F., & Priesemann, V.
    • PLoS computational biology, 17(3), e1008773.

Interview mit Annika Hagemann

Annika Hagemann

Doktorandin Computer Vision Research

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?

Forschung im Bereich Computer Vision bedeutet, neue Algorithmen zu finden, die es Maschinen ermöglichen, ihre Umgebung zu „sehen“. Mich fasziniert, dass das Sehen für uns Menschen recht mühelos erscheint, die algorithmische Umsetzung jedoch eine enorm hohe Komplexität mit sich bringt. Mit dieser Herausforderung umzugehen und neue Lösungen zu finden, macht Forschung in dem Bereich so spannend.

Was macht die Forschung bei Bosch besonders?

Für mich ist es die Kombination aus Grundlagenforschung und Anwendungsorientierung. Unsere Forschungsthemen haben meist einen klaren praktischen Hintergrund und es ist motivierend zu wissen, dass die Erkenntnisse in Zukunft von anderen angewendet werden können. Außerdem gibt es viele Möglichkeiten zum Austausch – innerhalb der PhD-Community, mit anderen Forschenden und mit Kolleginnen und Kollegen aus den Geschäftsbereichen. Dadurch bekommt man sehr unterschiedliche Perspektiven auf das eigene Forschungsthema.

Woran forschen Sie bei Bosch?

Mein aktueller Forschungsschwerpunkt liegt in der hochgenauen Kamerakalibrierung. Eine solche Kalibrierung wird benötigt, wenn Kameras eingesetzt werden, um beispielsweise Entfernungen zu anderen Objekten zu messen (z. B. beim automatisierten Fahren). Obwohl die Grundideen der Kamerakalibrierung bekannt sind, ist das Sicherstellen einer hinreichenden Genauigkeit noch immer eine Herausforderung. Daher entwickeln wir neue Algorithmen, die Kalibrierfehler erkennen und hochgenaue Kalibrierungen sicherstellen.

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?

Eine der Hauptherausforderungen der Zukunft ist die Entwicklung zuverlässiger Algorithmen zur Kamera-Selbstkalibrierung. Dies ist wichtig, da sich Kameraeigenschaften im Laufe der Zeit ändern können, was zu sicherheitskritischen Fehlern führen kann. Im Gegensatz zu klassischen Kalibrieransätzen kann sich die Selbstkalibrierung nicht auf bekannte 3D-Strukturen stützen. Daher untersuchen wir derzeit Ansätze, die geometrisches Wissen mit Deep Learning verbinden.

Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?

Eine genaue Wahrnehmung der Umgebung ist nicht nur für automatisiertes Fahren unerlässlich, sondern auch für intelligente Roboter mit Anwendungen in verschiedensten Bereichen unseres Lebens. Indem wir Methoden zur Sicherstellung hochgenauer Kalibrierungen entwickeln, tragen wir zur Genauigkeit und Sicherheit dieser Systeme bei.

Ihr Kontakt zu mir

Annika Hagemann
Doktorandin Computer Vision Research