M.Sc. Raphael Hagmanns

  • Karlsruher Institut für Technologie – KIT
    Institut für Anthropomatik und Robotik (IAR)
    Lehrstuhl für Interaktive Echtzeitsysteme (IES)
    Prof. Dr.- Ing. Jürgen Beyerer
    Vincenz-Prießnitz-Straße 3
    76131 Karlsruhe

Lebenslauf

Raphael Hagmanns studierte von 2013 bis 2019 Informatik am Karlsruher Institut für Technologie (KIT) und vertiefte sich in Algorithmentechniken und Methoden der Bildverarbeitung. In seiner Masterarbeit beschäftigte er sich mit Deep-Learning basierter 6-DoF Objektposenschätzung.

Derzeit arbeitet Herr Hagmanns in enger Kooperation mit der Gruppe Multisensorsysteme der Fraunhofer-IOSB Abteilung MRD an Anwendungen der mobilen Robotik. Insbesondere forscht er an Navigations- und Inspektionslösungen für autonome UAVs. Über weitere Themen informiert Herr Hagmanns auf seinem akademischen Profil .

Veröffentlichungen


2024
Utilizing synthetic data for object segmentation on autonomous heavy machinery in dynamic unstructured environments
Granero, M.; Hagmanns, R.; Petereit, J.
2024. Autonomous Systems for Security and Defence. Ed.: J. Dijk, 8 S., SPIE. doi:10.1117/12.3030820
Path Planning for the Autonomous Inspection of Voxelized Structures
Hagmanns, R.; Ruf, B.; Bockmühl, R.; Weißer, M.; Beyerer, J.
2024. IEEE International Symposium on Safety Security Rescue Robotics (SSRR 2024), 267–272, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/SSRR62954.2024.10770050
The GOOSE Dataset for Perception in Unstructured Environments
Mortimer, P.; Hagmanns, R.; Granero, M.; Luettel, T.; Petereit, J.; Wuensche, H.-J.
2024. IEEE International Conference on Robotics and Automation (ICRA 2024), 14838–14844, Institute of Electrical and Electronics Engineers (IEEE). doi:10.1109/ICRA57147.2024.10611298
Pattern Recognition – Introduction, Features, Classifiers and Principles
Beyerer, J.; Hagmanns, R.; Stadler, D.
2024. De Gruyter. doi:10.1515/9783111339207
Excavating in the Wild: The GOOSE-Ex Dataset for Semantic Segmentation
Hagmanns, R.; Mortimer, P.; Granero, M.; Luettel, T.; Petereit, J.
2024. arxiv. doi:10.48550/arXiv.2409.18788
Factor Graph-Based Dense Mapping for Mobile Robot Teams Using VDB-Submaps
Hagmanns, R.; Emter, T.; Garbe, L.; Beyerer, J.
2024. Intelligent Autonomous Systems 18Ed.: S.-G. Lee. Vol. 1, 95–107, Springer Nature Switzerland. doi:10.1007/978-3-031-44851-5_8
2023
Synthetic data generation for the continuous development and testing of autonomous construction machinery
Schuster, A.; Hagmanns, R.; Sonji, I.; Löcklin, A.; Petereit, J.; Ebert, C.; Weyrich, M.
2023. at - Automatisierungstechnik, 71 (11), 953–968. doi:10.1515/auto-2023-0026
Structural Inspection Planning for Mobile Robots
Hagmanns, R.
2023. Proceedings of the 2022 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory. Ed.: J. Beyerer, 11–26, KIT Scientific Publishing
2022
Efficient Global Occupancy Mapping for Mobile Robots using OpenVDB
Hagmanns, R.; Emter, T.; Grosse-Besselmann, M.; Beyerer, J.
2022. arxiv. doi:10.48550/arXiv.2211.04067
Dynamic Planning Pipeline for Indoor Inspection Flights
Hagmanns, R.
2022. Proceedings of the 2021 Joint Workshop of Fraunhofer IOSB and Institute for Anthropomatics, Vision and Fusion Laboratory, 87–103, Karlsruher Institut für Technologie (KIT)