From Satellite Images to Lanelet2 - HD Maps for Autonomous Driving

Institute

Professur für autonome Fahrzeugsysteme (TUM-ED)

Type

Semester Thesis /

Content

 

Description

Automatisierte HD-Kartenextraktion aus Satellitenbildern für das autonome Fahren mit EDGAR

Hintergrund und Motivation Für die sichere Navigation autonomer Fahrzeuge ist eine präzise Kenntnis der Umgebung unabdingbar. Innerhalb des weltweit verbreiteten Frameworks Autoware bilden hochgenaue HD-Karten im Lanelet2-Format das Rückgrat für viele kritische Module: von der Routenplanung über die Lokalisierung bis hin zur Prädiktion. Unser Forschungsfahrzeug EDGAR ist auf diese Karten angewiesen, um komplexe Szenarien auf öffentlichen Straßen und Autobahnen sicher zu bewältigen.

Die manuelle Erstellung dieser Karten ist jedoch extrem zeitaufwendig und skaliert nicht für großflächige Testgebiete. Ein vielversprechender Ansatz zur Lösung dieses Flaschenhalses ist die automatisierte Extraktion von Straßennetzwerken aus hochauflösenden Ortho-Satellitenbildern.

 

Aufgabenstellung Im Rahmen dieser Studienarbeit soll eine Pipeline entwickelt werden, die Satellitenbilder als Datenbasis nutzt, um mittels moderner Bildverarbeitungsalgorithmen zentimetergenaue Vektorkarten zu generieren. Ziel ist eine voll- oder teilautomatisierte Toolchain, die insbesondere deutsche Autobahnen in großem Maßstab erfasst und direkt in das für Autoware notwendige Lanelet2-Format überführt.

 

Deine Aufgaben umfassen:

• Literaturrecherche: Einarbeitung in das Lanelet2-Datenmodell und Aufzeigen des Stands der Technik.
• Analyse & Konzeption: Identifikation relevanter Merkmale (Fahrspurmarkierungen, Stopplinien, Randsteine) in Orthofotos.
• Implementierung: Prototypische Entwicklung einer automatisierten Pipeline in Python.
• Validierung: Evaluierung der generierten Karten auf Autobahnabschnitten hinsichtlich topologischer Korrektheit und geometrischer Präzision.

------------------------- English Version ------------------------

Automated HD Map Generation from Satellite Imagery for Autonomous Driving with EDGAR

Background and Motivation Precise knowledge of the environment is essential for the safe navigation of autonomous vehicles. Within the widely used Autoware framework, high-precision HD maps in Lanelet2 format form the backbone for many critical modules, including route planning, localization, and prediction. Our research vehicle, EDGAR, relies on these maps to safely navigate complex scenarios on public roads and highways.

However, creating these maps manually is extremely time-consuming and does not scale for large-scale test areas. A promising approach to solving this bottleneck is the automated extraction of road networks from high-resolution ortho-satellite imagery.

Project Objective As part of this thesis, a pipeline is to be developed that uses satellite images as a database to generate centimeter-accurate vector maps using modern image processing algorithms. The goal is a fully or semi-automated toolchain that captures German motorways on a large scale and converts them directly into the Lanelet2 format required for Autoware.

Your tasks:

• Literature Research: Familiarization with the Lanelet2 data model and identifying the state of the art.
• Analysis & Design: Identification of relevant features (lane markings, stop lines, curbs) in orthophotos.
• Implementation: Prototypical development of an automated pipeline in Python.
• Validation: Evaluation of the generated maps on highway sections regarding topological correctness and geometric precision.

Requirements

Anforderung:

• Gute Programmierkenntnisse in Python.
• Grundkenntnisse in Computer Vision (z. B. OpenCV).
• Grundlegendes Verständnis für autonomes Fahren (Autoware/ROS 2 von Vorteil).
• Hohe Motivation und eigenständige Arbeitsweise.

 

Falls du Lust hast, zusammen mit deinen KommilitonInnen an einem gemeinsamen Projekt zu arbeiten, bewerbt euch gerne gemeinsam. Die Bearbeitung als als Team-Projekt ist möglich.

Bei Interesse melde dich gerne unter marvin.seegert@tum.de. Für eine vollständige Bewerbung sende bitte deinen Lebenslauf und eine aktuelle Notenübersicht zusammen mit einer kurzen Beschreibung deiner Motivation für das Thema.

------------------------- English Version ------------------------ 

Requirements:

• Proficient programming skills in Python.
• Basic knowledge of Computer Vision (e.g., OpenCV).
• Basic understanding of autonomous driving (knowledge of Autoware/ROS 2 is a plus).
• High motivation and the ability to work independently.

 

If you are interested in working with your fellow students on a joint project, you are welcome to apply together. Processing the thesis/project as a team project is possible.

If interested, please contact marvin.seegert@tum.de. For a complete application, please send your CV and a current transcript of records along with a brief description of your motivation for the topic.

Tags

AVS Seegert

Possible start

sofort

Contact

Marvin Seegert
marvin.seegerttum.de

Announcement