Du studierst Informatik, Computer Science, Robotics, Software-Engineering, Mechatronik oder einen vergleichbaren Studiengang. Du verfügst über Kenntnisse in der Sensordatenverarbeitung, Computer Vision und Objekterkennung, idealerweise im Kontext von LiDAR-Punktwolken. Du hast erste Erfahrung in der Programmierung mit C++, ROS oder Python und bist sicher im Umgang mit GitHub. Kenntnisse in der Programmierung auf NVIDIA-Hardware sind ein Plus. Du arbeitest selbstständig, strukturiert und erfasst neue technische Themen schnell und lösungsorientiert. Du kommunizierst sicher auf Deutsch und Englisch.

Wir bei Siemens Mobility setzen auf zukunftsweisende sensorbasierte Systeme, um die Sicherheit im Schienenverkehr kontinuierlich zu verbessern. Unser Ziel ist es, durch intelligente Objekterkennung im Gleisbereich – sowohl durch Sensoren im Zug als auch stationär an Stationen – einfahrende Züge rechtzeitig zu warnen und somit potenzielle Gefahren abzuwenden. Für die Entwicklung dieser komplexen Toolkette, von der Sensordatenerfassung über die Objekterkennung bis hin zur Echtzeit-Alarmausgabe, suchen wir Dich als engagierte Unterstützung. Du recherchierst und implementierst verschiedene State-of-the-Art Algorithmen zur 3D-Punktwolkenverarbeitung von LiDAR-Daten, insbesondere in den Bereichen Background Segmentation, Objekterkennung und Multi-Object Tracking. Du konzipierst und implementierst eine performante Computer-Vision-Pipeline zur Echtzeit-Objekterkennung im ROS-Framework, optimiert für High- Compute-Plattformen. Du unterstützt uns beim Aufbau und der Konfiguration eines physischen Testsetups mit Sensoren und leistungsstarken Rechnern vor Ort, um die Algorithmen unter realitätsnahen Bedingungen zu validieren. Du analysierst die Performance der Algorithmen auf verschiedenen Hardware-Architekturen (GPUs vs. CPUs) und optimierst diese gezielt zur Laufzeitverbesserung. Du konzipierst systematisch Testszenarien, hinterlegst eine Ground Truth und evaluierst die Detektionsraten der Algorithmen.