Executive Snapshot
- Erfahrung: ca. 2 Jahre
- Level: Senior
- Arbeitsmodell: Verhandelbar
- Verfügbarkeit: Sofort verfügbar
- Region: Deutschland / EU
- Fokus: automotive, Robotik, Embedded Systeme, Industrielle Elektronik
Auf einen Blick
Profil-ID
DP-207770
Rolle
Softwareentwicklung Robotik, Embedded Systeme, Sensorintegration, ADAS-Entwicklung
Level
Senior
Erfahrung
ca. 2 Jahre
Arbeitsmodell
Verhandelbar
Verfügbarkeit
Sofort verfügbar
Region
Deutschland / EU
Sprachen
Deutsch: C1, Englisch: C1
Einsatzmodelle
Festanstellung, Projektarbeit
Richtwert
Nach Absprache
Kurzprofil
Erfahrener Softwareentwickler Robotik mit Spezialisierung auf ROS, Automotive LiDAR und Radar. Verfügt über praktische Erfahrung in der Software- und Sensorintegration an ADAS-Prototypenfahrzeugen sowie in der Deep-Learning-basierten Radarwahrnehmung. Expertise in C++, Python und Embedded Systemen, ergänzt durch einen M.Sc. in KI und Autonomem Fahren. Zuverlässig in der Diagnose und Behebung von Hardware-Software-Fehlern und der Implementierung komplexer Kommunikationssysteme.
Schwerpunkte (Domänen)
automotiveRobotikEmbedded SystemeIndustrielle ElektronikindustrialsoftwareembeddedTestingmanagement
Kompetenzen (Skills)
ROSC++PythonDeep LearningSensorintegrationTeleoperationHardware-Software-SchnittstelleFehlerdiagnoseSystemintegrationPunktwolkenverarbeitungembeddedhardwaresoftwareMATLABTestingValidationE-Mobility / Automotive / Industrial ElectronicsEmbedded Systems
Tools & Technologien
ROSNVIDIA JetsonGStreamerMATLABPythonC++SolidWorksGitCembeddedhardwaresoftwareTestingValidation
Praxis & Projekt-Highlights
Entwicklung und Wartung ROS-basierter Software auf NVIDIA Jetson Plattform für ein ADAS-Prototypenfahrzeug, inklusive Implementierung einer 4G/5G-Teleoperationslösung und Live-Video-Pipeline (GStreamer). Diagnose und Behebung von Hardware-Software-Fehlern an Aktuatoren und Steuersignalen zur Sicherstellung der Demonstrationsfähigkeit des Prototypen. Forschung und Implementierung verlustfreier Kompressionsmethoden für LiDAR-Sensordaten (Punktwolken) und Untersuchung von Vorverarbeitungstechniken. Entwicklung von Deep-Learning-Modellen für die Radarwahrnehmung, einschließlich Objekterkennung und -verfolgung für Automotive-Anwendungen.
