rmc logo

Mitarbeiter

Bewerbungsfoto_s_s.jpg

Maximilian Denninger

Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Institut für Robotik und Mechatronik
Perzeption und Kognition
Oberpfaffenhofen
Münchener Str. 20
82234 Weßling

Telefon: +49 8153 28-3240
E-Mail: Maximilian Denninger

Ich habe im Jahr 2013 als Student am DLR angefangen und sowohl meine Bachelor, als auch meine Masterarbeit am DLR gemacht. Derzeit promoviere ich im Bereich "Machine Learning" mit einer Spezialisierung auf der Rekonstruktion von 3D Szenen.

Mit meinem Kollegen Martin Sundermeyer arbeiten wir gemeinsam an der haus eignen Open Source Lösung BlenderProc. Diese erleichter maßgeblich den Prozess der Datengenerierung, welche ungemein wichtig ist wenn es an das Training von Neuronalen Netzen geht.

 

https://github.com/DLR-RM/BlenderProc

 

  • Dominik Winkelbauer, Maximilian Denninger, Rudolph Triebel:
    Learning to Localize in New Environments from Synthetic Training Data
    In: 2021 IEEE International Conference on Robotics and Automation, ICRA 2021. ICRA 2021, May 30 - June 5, Xi'an, China, 2021. DOI 10.1109/ICRA48506.2021.9560872, ISBN 978-172819077-8, ISSN 1050-4729. [elib]
  • Jörn Vogel, Daniel Leidner, Annette Hagengruber, Michael Panzirsch, Berthold Bäuml et 11 al.:
    An Ecosystem for Heterogeneous Robotic Assistants in Caregiving
    IEEE Robotics & Automation Magazine, IEEE Robotics & Automation Magazine, vol. 28 (3). IEEE - Institute of Electrical and Electronics Engineers, 2020. DOI 10.1109/MRA.2020.3032142, ISSN 1070-9932. [elib]
  • Maximilian Denninger, Rudolph Triebel:
    3D Scene Reconstruction from a Single Viewport
    In: 16th European Conference on Computer Vision, ECCV 2020, European Conference on Computer Vision, vol. 16. European Conference on Computer Vision ECCV 2020, 23.-28. August 2020, Virtuell, 2020. DOI 10.1007/978-3-030-58542-6_4, ISBN 978-303058541-9, ISSN 0302-9743. [elib]
  • Maximilian Denninger, Martin Sundermeyer, Dominik Winkelbauer, Dmitry Olefir, Tomas Hodan et 5 al.:
    BlenderProc: Reducing the Reality Gap with Photorealistic Rendering
    In: International Conference on Robotics: Sciene and Systems, RSS 2020. Robotics: Science and Systems (RSS), 12.-16. Juli 2020, Virtuell, 2020. ISBN 978-0-9923747-6-1, ISSN 2330765X. [elib]
  • Maximilian Denninger, Rudolph Triebel:
    Persistent Anytime Learning of Objects from Unseen Classes
    In: 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2018. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2018), 01 Oct - 05 Oct 2018, Madrid, Spain, 2018. ISBN 978-153868094-0, ISSN 2153-0858. [elib]
  • Maximilian Denninger:
    An efficient probabilistic online classification approach for object recognition with random forests
    Master's. Technische Universität München, 2017. [elib]
  • Christian Rink, Simon Kriegel, Daniel Seth, Maximilian Denninger, Zoltan-Csaba Marton et 1 al.:
    Monte Carlo Registration and Its Application with Autonomous Robots
    Journal of Sensors, vol. 2016. Hindawi Publishing Corporation, 2016. DOI 10.1155/2016/2546819, ISSN 1687-725X. [elib]
  • Maximilian Denninger:
    An exemplary application of decision theory in robotics: autonomous calibration of depth cameras with non-overlapping fields of view on a mobile platform
    Bachelor's. Hochschule Kempten, 2015. [elib]

 

Zuletzt aktualisiert: Montag, 21. Juni 2021 von Maximilian Denninger