Dr. Daniel Bender

I focused on establishing a scalable foundation for deep learning, expanding its application from a single machine to multiple implementations. My team worked on automating the training and testing processes for new solutions, and developed a semi-automated approach to tackle the most challenging sensor-based sorting problems.

I lead the transition of deep learning technology from proof-of-concept to a fully integrated component of sensor-based sorting machines within the recycling business stream. I created and led a dedicated team to achieve this goal, focusing on the research and implementation of deep learning algorithms tailored for sensor-based sorting applications.

Die Forschungsgruppe Integrierte Sensorsysteme (ISS) führt Arbeiten im Bereich der automatisierten Auswertung von Multi-Sensor-Systemen durch. Dabei ist das Ziel den Mehrwert für die Aufgabenstellung durch die Kombination von Sensoren zu maximieren. Expertise: Entwicklung von Algorithmen, Hardwarekonzepte, bodengebundene Überwachung, unbemannte Luftfahrzeuge. Sensoren: (Tageslicht-, Infrarot, Time-of-Flight-) Kameras, Laserscanner, Radare, Funkpeiler, Gamma-Detektoren, inertiale Navigationssysteme.

Mein Forschungsschwerpunkt ist die Entwicklung von Algorithmen zur Geolokalisierung von Bildsensoren durch die Fusion mit GPS-gestützten inertialen Navigationssystemen in der unbemannten Luftfahrt. Derzeit fasse ich meine Forschungsergebnisse in einer Dissertation zusammen. Meine Arbeiten werden von Professor Daniel Cremers, Inhaber des Lehrstuhls Bildverarbeitung und Mustererkennung der Technischen Universität München (TUM), betreut.

Titel: Airborne Navigation by Fusing Inertial and Camera Data

Schwerpunkte: Bildverarbeitung, künstliche Intelligenz, Photogrammetrie