Heeraj Ayyappan

Vergleich von YOLOv7, YOLOv8, YOLOX-ViT und DINOv2/ViT für die Unterwasser-Objekterkennung auf Sonarbildern. Bewertung von Genauigkeit, Inferenzzeit und Robustheit gegenüber niedriger Auflösung und Rauschen mit Python und PyTorch.

Event-Kameras kalibriert und Bilddaten mit VICON Motion Tracking synchronisiert aufgenommen. Faster R-CNN Workflows für Erkennung und Anonymisierung angepasst und getestet. Fehler bei Datenaufnahme und Bildverarbeitung untersucht.

CAN-Schnittstelle eines Bodenroboters analysiert und eine ROS-Schnittstelle für die Kommunikation entwickelt.

3D-Objekte mit Blender und SolidWorks modelliert und in Webots zu Trainingsszenarien für mobile Roboter kombiniert. Simulationsumgebungen und Szenarien getestet und bewertet.

Datenaustausch zwischen einer Java-Anwendung und einem Flask-Backend über REST-APIs und MQTT unterstützt. Grundlegende Schnittstellentests durchgeführt und Datenflüsse unter Linux geprüft.

Schwerpunkt Cognitive Systems mit Fokus auf Computer Vision, Machine Learning, Deep Learning und Robotik. Masterarbeit zur Unterwasser-Objekterkennung mit Sonarbildern und Deep-Learning-Modellen.

Schwerpunkt: Mechatronische Systeme, Robotik, Sensoren und Aktoren. Bachelorarbeit: Design and Development of Quadruped Drone mit SolidWorks, 3D-Druck und RF-Steuerung.