För planering av militära operationer är det viktigt att veta hur objekt och företeelser i terrängen utgör hinder för framkomlighet hos stridsfordon. Stora hinder omöjliggör framryckning med stridsfordon, medan mindre hinder går att köra runt. Ett underlag för identifiering av hinder är högupplösta punktmoln från lasermätningar av Sverige som utförs av Lantmäteriet.

Uppgiften innebär att undersöka möjligheter att med s.k. Deep Learning identifiera och klassificera hinder i högupplösta punktmoln av terrängen. Maskininlärning med Deep Learning har revolutionerat många tillämpningar där stora mängder träningsdata används för att träna modeller som uppskattar förväntade svar med hög noggrannhet. Bara ett fåtal studier har ännu använt den här tekniken för att identifiera hinder i högupplösta punktmoln.

Examensarbetets inriktning påverkas av sökandes önskemål. Några exempel på möjliga frågeställningar är:

  • Hur ska terräng- och hinderrepresenationer väljas som både är beräkningseffektiva och tillräckligt noggranna?
  • Hur mycket bättre är Deep Learning än etablerade tekniker för att identifiera hinder?
  • Hur kan segmentering och klassificering av högupplösta punktmoln kombineras?

Intressant? Hitta mer information och ansök här: https://foi.easycruit.com/vacancy/2117865/12389?iso=se.