Prof. Dr.-Ing.  Markus Ulrich

Prof. Dr.-Ing. Markus Ulrich

  • Englerstr. 7
    76131 Karlsruhe

Biographie

Seit 1.4.2020 Professor für Machine Vision Metrology am Institut für Photogrammetrie und Fernerkundung des Karlsruher Instituts für Technologie (KIT)
2017 – 2019 Privatdozent an der Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften des KIT
2013 – 2020 Erfindungs- und Patentverantwortlicher bei der MVTec Software GmbH, München
2013 – 2017 Lehrbeauftragter für das Fach „Industrielle Bildverarbeitung und Machine Vision“  an der Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften des KIT
2008 – 2020 Leiter des Forschungsteams bei MVTec
2005 – 2020 Lehrbeauftragter für das Fach „Ingenieurphotogrammetrie“ an der Fakultät für Bauingenieur- und Vermessungswesen der Technischen Universität München (TUM)
2003 – 2008 Softwareingenieur bei MVTec
2000 – 2003 Wissenschaftlicher Angestellter und Doktorand am Lehrstuhl für Photogrammetrie und Fernerkundung der TUM unter Co-Betreuung durch MVTec

 

Wissenschaftliche Qualifikation

1.2.2017 Habilitation und Verleihung der Lehrbefugnis für das Fach "Machine Vision" an der Fakultät für Bauingenier-, Geo- und Umweltwissenschaften des KIT
26.6.2003 Promotion an der Fakultät für Bauingenier- und Vermessungswesen der TUM
23.3.2000 Dipl.-Ing (Univ.) Vermessungswesen
1995 - 2000 Studium des Vermessungswesens an der TUM

 

Forschungsschwerpunkte

Machine Vision ist eine facettenreiche Disziplin und beinhaltet Aspekte aus der Optik (z.B. Beleuchtung, Objektive), der Elektrotechnik (z.B. Sensorik), dem Maschinenbau (z.B. Industrieroboter, optische Inspektionsmaschinen), der Informatik und dem Software-Engineering (z.B. effiziente Implementierungen von innovativen Computer-Vision-Algorithmen). Dies spiegelt sich auch in den Forschungsthemen wider:

  • Zuverlässige Erkennung und genaue Lagevermessung von Objekten in Bildern und 3D-Sensordaten
  • Kameramodelle und -kalibrierung
  • Machine-Learning im industriellen Kontext für Objektinspektion und Robotik
  • Objektidentifikation in Bildern
  • Oberflächeninspektion von Objekten in 2D- und 3D-Sensordaten
  • Hand-Auge-Kalibrierung von Industrierobotern

 

Bei unseren Forschungsarbeiten stehen oft geodätische Aspekte wie Zuverlässigkeit oder Genauigkeit im Fokus. Gleichzeitig dient die 20-jährige Industrieerfahrung als wichtiger Wegweiser und sichert die Innovationskraft der neu entwickelten Verfahren.

Lehre

Die Lehre über Methoden und Technologien, die im Berufsfeld ihre tatsächliche praktische Anwendung finden, ist wichtig, um fundierte Einblicke in die Machine Vision Metrology zu ermöglichen. Nur im engen Austausch mit dem Berufsfeld kann es gelingen, dessen Anforderungen an Technologien ausreichend zu berücksichtigen und den Studierenden entsprechende Kompetenzen zu vermitteln. Diese Anforderungen werden daher bereits in der Lehre vermittelt und sollen eine grundlegende und zugleich motivierende Rolle spielen. Der industrielle Kontext wird auch durch praxisorientierte Übungen betont.

Dabei werden die Bezüge der Machine Vision Metrology zur „klassischen“ Geodäsie betont und geodätische Aspekte (z.B. Genauigkeitsbetrachtungen und Zuverlässigkeitsaussagen) explizit berücksichtigt. Im Rahmen einer forschungsorientierten Lehre werden Studierende in aktuelle Forschungsprojekte am Institut eingebunden wodurch auch wissenschaftlichen Methoden vermittelt werden können.

Aktivitäten

Wissenschaftliche Publikationen


2024
2023
2022
2021
2020
2018
2017
2016
2015
2012
2010
2009
2007
2004
2003
2002
2001

Weitere Veröffentlichungen


Dataset for the Segmentation of Industrial Burner Flames
Landgraf, S.; Hillemann, M.; Ulrich, M.; Aberle, M.; Jung, V.
2023, Juni 20. doi:10.5445/IR/1000159497
Geodäsie und Geoinformatik am KIT studieren
Dalheimer, L.; Fuge, R.; Gschwind, C.; Juretzko, M.; Landgraf, S.; Meid, F.; Naab, C.; Ulrich, M.; Weisgerber, J.
2021. doi:10.5445/IR/1000137359

Patente

  • Hand-eye calibration of camera-guided devices
    • EP 4094897 (Veröffentlichung: 20.9.2023)
  • System and method for model adaptation
    • JP 6612822 (Veröffentlichung: 27.11.2019)
    • US 10460472 (Veröffentlichung: 29.10.2019)
  • System and method for efficient 3D reconstruction of objects with telecentric line-scan cameras
    • JP 7486740 (Veröffentlichung: 20.5.2024)
    • EP 3896640 (Veröffentlichung: 28.9.2022)
    • US 11328478 (Veröffentlichung: 10.5.2022)
  • Recognition and pose determination of 3D objects in multimodal scenes
    • JP 6216508 (Veröffentlichung: 18.10.2017)
    • CN 103729643 (Veröffentlichung: 12.09.2017)
    • US 8994723 (Veröffentlichung: 31.5.2015)
    • EP 2720171 (Veröffentlichung: 8.4.2015)
  • Recognition and pose determination of 3D objects in 3D scenes
    • CN 102236794 (Veröffentlichung: 4.3.2015)
    • JP 5677798 (Veröffentlichung: 25.2.2015)
    • US 8830229 (Veröffentlichung: 9.9.2014)
    • EP 2385483 (Veröffentlichung: 21.11.2012)
  • System and method for 3D object recognition
    • CN 101408931 (Veröffentlichung: 20.2.2013)
    • US 8379014 (Veröffentlichung: 19.2.2013)
    • EP 2048599 (Veröffentlichung: 16.12.2009)
    • JP 4785880 (Veröffentlichung: 30.4.2009)
  • System and methods for automatic parameter determination in machine vision
    • US 7953290 (Veröffentlichung: 31.5.2011)
    • US 7953291 (Veröffentlichung: 31.5.2011)
    • US 7751625 (Veröffentlichung: 6.6.2010)
    • JP 4907219 (Veröffentlichung: 4.10.2007)
  • Hierarchical component-based object recognition
    • JP 5330579 (Veröffentlichung: 1.11.2012)
    • EP 1394727 (Veröffentlichung: 12.10.2011)
    • JP 4334301 (Veröffentlichung: 30.9.2009)
    • JP 5329254 (Veröffentlichung: 14.5.2009)
    • US 7239929 (Veröffentlichung: 3.7.2007)