
M.Sc. Haohao Hu
- Wissenschaftlicher Mitarbeiter
- Raum: 244
- Tel.: +49 721 608-42336
- haohao huHpt8∂kit edu
Karlsruher Institut für Technologie (KIT)
Institut für Mess- und Regelungstechnik
Engler-Bunte-Ring 21
Gebäude 40.32
D-76131 Karlsruhe
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)
Laufende Abschlussarbeiten
- Targetlose Extrinsische Selbstkalibrierung der LiDAR und Kamera Sensoren mit Photometrischen Informationen
- 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
Abgeschlossenen Abschlussarbeiten
- 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