Forschung

Meine Forschungsinteressen konzentrieren sich auf den Bereich der automatischen kontinuierlichen Kartierung und Lokalisierung für autonom fahrende Fahrzeuge mit GNSS, LiDAR, Kamera, Odometry und IMU Sensoren. Während des Kartierungsprozesses kann die intrinsische und extrinsische Kalibrierung der LiDAR und Kamera Sensoren gleichzeitig geschätzt oder verbessert werden. Nach der Kartierung kann die Fahrroute mithilfe von GNSS und Luftbildern geografisch in ein globales Koordinatensystem ausgerichtet werden. Ich arbeite derzeit an einem verallgemeinerten Lokalisierungssystem, das eine hochgenaue semantische 3D-Karte nimmt und genaue und robuste Lokalisierungsergebnisse liefert.
Meine aktuellen Forschungsprojekte sind:

• Life-Long Multimodal Continuous Mapping and Localization
• Life-Long Vision based Mapping and Localization
• Automatic targetless LiDAR, camera in- and extrinsic calibration
• Automatic 3D model reconstruction and direct Geo-alignment

Lehre

• Aufgabensteller "Grundlagen der Mess- und Regelungstechnik" (GMRT) (SS18, WS18/19, SS19, WS19/20, SS20, WS20/21)
• Vorlesungsversuche "Grundlagen der Mess- und Regelungstechnik" (WS18/19, WS19/20)
• Messtechnisches Praktikum (MTP) (SS19, SS20)
• Rechnergestützte Verfahren in der Mess- und Regelungstechnik (RVMRT) (WS18/19, WS19/20, WS20/21)
• Dozent Technische Modul "Digital Signal Processing" für KSOP Studenten (KSOP-DSP) (2019, 2020)

Akademische Dienste

• Reviewer für
  • IEEE Intelligent Vehicles Symposium (IV) (2018)
  • IEEE International Conference on Intelligent Transportation Systems (ITSC) (2019, 2020)
  • IEEE International Conference on Multisensor Fusion and Integration (MFI) (2021)
  • IEEE Robotics and Automation Letters (RA-L) (2021)
  • IEEE International Conference on Robotics and Automation (ICRA) (2021)

Zu vergebende Bachelor-, Diplom-, Master- und Studienarbeiten

• Targetlose Extrinsische Selbstkalibrierung der LiDAR und Kamera Sensoren mit Photometrischen Informationen
• Automatische Direkte Geo-Alignment der Trajektorien mithilfe der 3D Rekonstruktion und Luftbildern
• 3D Rekonstruieren und Texturieren für Large-Scale Umgebung mit LidAR und Kameras
• Multi-Kamera und LiDAR Fusion Kartierung und Relokalisierung

Laufende Bachelor-, Diplom-, Master- und Studienarbeiten

• Visuelle Kartierung und Lokalisierung mit 3D Image Patches und Normalem Vektor Informationen
• Kontinuierliche Präzise LiDAR Kartierung und Lokalisierung mit Merkmalen in Large-Scale Umgebung
• Kontinuierliche LiDAR Kartierung und Lokalisierung mit Verteilung und Semantischen Informationen in Large-Scale Umgebung
• Automatische Targetlose LiDAR Kameras Extrinsische Kalibrierung mit Geometrischen Informationen

Abgeschlossene Bachelor-, Diplom-, Master- und Studienarbeiten

• Erlernen einer BEV-Repräsentierung aus Kamera Bildern für Selbst-Lokalisierung in Luftbildern
• Monokulare Kamera Lokalisierung in einer großen dichten Karte mit Rendern und Verfolgen
• Verbessern der Direkt-SLAM und Relokalisierung in der generierten Karte
• End-to-End Maschinelles Lernen für 6D Visuelle Lokalisierung und Odometrie
• Gekoppeltes Erlernen von Merkmalspunktdetektor und -deskriptor für Visuelle Lokalisierung
• Lokalisierung in Geo-referenzierten Luftbildern mit LocGAN basierend auf Lidar Grid Maps
• Erlernen der Geometrischen Distanz zwischen Bildern mit Überlappung für Schnelle Visuelle Kartierung
• SfM basierte Kamera Intrinsische Kalibrierung mit Maschinellem Lernen als Initialisierung
• Entwicklung eines Multi-RGBD-Kamerasystems zur Erkennung und Identifizierung von Paketen
• Kartierung und Lokalisierung mit LiDAR Punktenwolken Daten für Automatisiertes Fahren
• Targetlose Extrinsische Selbstkalibrierung der Multiplen LiDAR und Kamera Sensoren mit Mutual Information (Normalisierte Information Distanz)
• Neuronales Netz basierte Visuelle Ortserkennung in den herausfordernden Umgebungen

Veröffentlichungen

Sascha Wirges, Ye Yang, Haohao Hu, Christoph Stiller. Learned Enrichment of Top-View Grid Maps Improves Object Detection. In Conference on Intelligent Transportation Systems (ITSC), Rhodes, Greece, October 2020. [ http ]

Haohao Hu, Aoran Wang, Marc Sons, Martin Lauer. ViPNet: An End-to-End 6D Visual Camera Pose Regression Network. In Proc. IEEE International Conference on Intelligent Transportation Systems (ITSC), Rhodes, Greece, September 2020. [ http ]

Haohao Hu, Johannes Beck, Martin Lauer, Christoph Stiller. Continuous Fusion of IMU and Pose Data using Uniform B-Spline. In International Conference on Multisensor Fusion and Integration (MFI), Karlsruhe, Germany, September 2020. [ http ]

Haohao Hu, Junyi Zhu, Sascha Wirges, Martin Lauer. Localization in Aerial Imagery with Grid Maps using LocGAN. In Proc. IEEE International Conference on Intelligent Transportation Systems (ITSC), Auckland, New Zealand, October 2019. [ http ]

Haohao Hu, Marc Sons, Christoph Stiller. Accurate Global Trajectory Alignment using Poles and Road Markings. In IEEE Intelligent Vehicles Symposium (IV), Paris, France, June 2019. [ http ]

Jannik Quehl, Haohao Hu, Sascha Wirges, Martin Lauer. An Approach to Vehicle Trajectory Prediction Using Automatically Generated Traffic Maps. In Proc. IEEE Int. Conf. Intelligent Vehicles, June 2018. [ http ]

Jannik Quehl, Haohao Hu, Ömer Sahin Tas, Eike Rehder, Martin Lauer. How Good is My Prediction? Finding a Similarity Measure for Trajectory Prediction Evaluation. In Proc. IEEE Intell. Trans. Syst. Conf., Yokohama, Japan, October 2017. [ http ]