Bachelor-, Master- und Studienarbeiten
In der Arbeitsgruppe für ''Intelligente Sensorik in der Computergraphik'' stehen immer Abschlussarbeiten (Bachelor-, Master- und Studienarbeiten) aus denen in Forschung und Lehre vertretenden Themengebieten zur Verfügung.
Auf Grund der verschiedenen Arbeitsschwerpunkte können auch sehr unterschiedliche Themen für eine Abschlussarbeit ausgewählt werden. Die wissenschaftlichen Publikationen und die bereits durchgeführten Abschlussarbeiten geben einen ersten thematischen Überblick. Die Themen reichen von theoretischen Sachverhalten bis zu Anwendungs- bzw. Praxis-orientierten Forschungskontexten. Es können sowohl vorliegende Themen bearbeitet werden aber auch extern definierte Themen (z.B. in Kooperation mit anderen Lehrstühlen, Forschungseinrichtungen oder Firmen) oder eigene Vorschläge.
Aufgrund der Aktualität der Bearbeitungsthemen, die sich aus Forschung und Lehre ergeben, finden Sie an dieser Stelle keine explizite Themenliste - bei Interesse an einer Abschlussarbeit setzen sich Sie bitte direkt mit Priv.-Doz. Dr. Frank Weichert (eMail (frank.weichert@tu-dortmund.de)) in Verbindung.
Bachelorarbeiten (Auswahl)
Enwicklung einer Reinforcement Learning gestützten Realisierung des Spiels Onitama
Fabian Kemper
Dreidimensionale Rekonstruktion geometrischer Kompartimente mittels mobiler Endgeräte
Marvin Kirchhoff
Ableitung von Szenengraphen für ubiquitäre Manipulationen
Lea Niechcial
Einsatz tiefer Faltungsnetze zur selektiven Bild-basierten Klassifikation von Keilschrifttafeln
Oliver Poerschke
Interaktive Graph-basierte Exploration von CityGML-Daten
Kurosch Pourgholam
Einsatz zellulärer Automaten zur Simulation urbaner Evakuierungsszenarien
Marcel Dominik Labrenz
Entwicklung eines adaptiven Algorithmus zum Labeling von Höchstspannungsleitungen
Jens Zentgraf
Adaptive Bewegungsplanung für mobile Robotikeinheiten
Florian Lauf
Bachelorarbeiten
(Gesamtübersicht)
Masterarbeiten (Auswahl)
Prozedurale Generierung von Karsthöhlen und Speläothemen
Kai Franke
Untersuchungen zu Beschleunigungsmöglichkeiten in der MR-Herzbildgebung mithilfe von Convolutional Neural Networks
Nora Schulz
Generative Models for Realistic 3D Objects
Marian Kleineberg
Rendering-gestütztes Deep Learning zur Rekonstruktion physikalisch-konformer Szenen
Abdullah Haris Yalcinkaya
Sensor-gekoppeltes Reinforcement Learning zum dynamischen Greifen von Industrierobotern
Daniel Lenzen
Modulare Prozessierung und Bewegungsplanung für additive 5D-Drucktechnologien
Benedikt Oesing
Immersive Kollaboration mit virtuellen urbanen Umgebungen
Sergei Harder
Surface-Based Visualisation of Unsteady 3D Flow for Haemodynamic Analysis
Romano Schulz
Masterarbeiten
(Gesamtübersicht)