> Markdown version of [/jobs/ext/4764201-wissenschaftler-in-ingenieur-in-auf-dem-gebiet-der-sensordatenfusion-und-umgebungserfassung](https://www.wearedevelopers.com/jobs/ext/4764201-wissenschaftler-in-ingenieur-in-auf-dem-gebiet-der-sensordatenfusion-und-umgebungserfassung). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Wissenschaftler/-in / Ingenieur /-in auf dem Gebiet der Sensordatenfusion und Umgebungserfassung - **Company:** ISL Group - **Location:** Heroldsberg, Germany - **Contract:** Permanent contract - **Skills:** Computer Vision, C++ (Programming Language), Data Structures, Sensor Fusion, Signal Processing, Data Processing, Deep Learning, Lidar - **Published:** November 18, 2026 - **Apply:** https://www.jobware.de/job/wissenschaftler-in-ingenieur-in-auf-dem-gebiet-der-sensordatenfusion-und-umgebungserfassung-m-w-d-065157813 ## About the Role * Promotion oder Masterabschluss in Robotik, Computer Vision, Signalverarbeitung oder einem verwandten Fachgebiet oder gleichwertige Berufserfahrung mit nachgewiesenen Forschungsergebnissen * Selbstständiges Arbeiten und Arbeiten im Team in einem multidisziplinären Forschungsumfeld * Organisations- und Kommunikationstalent * Gute Englischkenntnisse * Gute Kenntnisse der französischen Sprache wären von Vorteil Ihre technischen Fachkompetenzen * Solide Kenntnisse in C++: Fähigkeit, Produktionscode in C++ zu lesen, zu erweitern und zu verifizieren; Verständnis von Echtzeitrandbedingungen (Pfade ohne dynamische Speicherallokation, Bounded Worst-Case Execution Time (WCET), lock-free Datenstrukturen) * Computer Vision und/oder Punktwolkenverarbeitung: Erfahrung in Merkmalsdetektion, visueller Odometrie, 3D-Rekonstruktion, LiDAR-Datenverarbeitung oder semantischer Segmentierung * Multi-Sensor-Fusion: Verständnis der Kalman-Filterung, der Bayes‘schen Fusion oder der deep-learning-basierten Sensorfusion ## Description Diese Ebene wird die Grundlage für alle Betriebsmodi bilde – Platoon-Fahrten, operatorgeführte Navigation, Routenwiederholung und Fernsteuerung ohne Sichtverbindung – und wird ein vollständiges und konsistentes Bild der Hindernisse, des Geländes, des verfügbaren Raums und der befahrbaren Korridore erzeugen. Das Ziel ist nicht nur, ein Hindernis vor dem Fahrzeug zu erkennen, sondern zu verstehen, um welche Art von Hindernis es sich handelt, ob das Fahrzeug passieren kann und inwieweit die Umgebung seine Bewegungen einschränkt. Hauptziel Entwurf und Implementierung einer echtzeitfähigen Sensordatenfusionsebene, die heterogene fahrzeugeigene Sensoren zusammenführt, um in allen Betriebsmodi ein Verständnis der Fahrzeugumgebung zu erzeugen. Wichtigste Forschungsthemen Sie übernehmen schwerpunktmäßig folgende Aufgaben: * Multi-Sensor-Erkennung und Klassifikation von Hindernissen: Fusion von Kamerabildern und LiDAR (Light Detection and Ranging – Lichtbasierte Entfernungsmessung), einfache und zuverlässige Klassifizierung, zeitliches Tracking sowie Leistungsfähigkeit unter erschwerten Bedingungen (Staub, Nebel, schlechte Lichtverhältnisse) * Semantisches und geometrisches Verständnis: kontinuierliche Schätzung und Klassifizierung der Befahrbarkeit, lokale und persistente semantische Kartierung, Echtzeiterkennung befahrbarer Korridore * 3D-Rekonstruktion und -Aufzeichnung von Szenen: inkrementelle lokale 3D-Kartierung in Echtzeit, Multisensor-Registrierung (LiDAR + visuelle Tiefendaten), Erkennung von Umgebungsveränderungen, lokaler Loop-Closure (Schleifenschluss) * Sensorzustand und beeinträchtigte Wahrnehmung: zuverlässige Echtzeitmessungen pro Sensor, Konsistenzprüfungen zwischen Sensoren, Fallback-Strategien im degradierten Modus, Propagation von Unsicherheiten und Vertrauen * Integration der Betriebsmodi: Fusion von Fernbeobachtungen für die Konvoi-Erkennung, bandbreitenoptimierte Wahrnehmungsprotokolle für die Fernsteuerung ohne Sichtverbindung (NLOS), Validierung durch Routenwiederholung, risikobewusste menschliche Überwachung