Software Engineer — Object Detection

Creative Media & Game Technologies

Help jij ons opnieuw kampioen te worden?
In 2025 werd Hanze kampioen in de gesloten categorie van de RDW Self Driving Challenge. In 2026 behaalden we een verdienstelijke tweede plaats in een volledig nieuw opgezette challenge. In 2027 gaan we opnieuw voor de titel. Bouw jij mee aan onze zelfrijdende kart?
Via Hanze / Zernike CollabSpace werk je met andere studenten aan software waarmee een elektrische kart zelfstandig verkeerssituaties herkent en afhandelt. Je bouwt voort op het werk van eerdere teams, onderzoekt nieuwe oplossingen en test die in simulatie én tijdens de wekelijkse testdagen op de RDW-testbaan in Lelystad.
Je kijkt daarbij verder dan je eigen onderdeel en de wedstrijd. Vanuit het gesloten team draag je ook bij aan de bredere leergemeenschap rond autonoom vervoer, waarin Hanze, Rijksuniversiteit Groningen en Noorderpoort samenwerken. Je deelt ervaringen met deelnemers uit de open categorie en leert van elkaars oplossingen, tests en fouten. Zo ontwikkelen we samen kennis over wat autonome voertuigen kunnen, waar hun grenzen liggen en hoe we hun gedrag betrouwbaar en begrijpelijk maken.
Jouw werk helpt ons op weg naar het kampioenschap én geeft volgende studententeams een sterkere basis om op voort te bouwen.
Je ontwikkelt het onderdeel dat verkeersborden, verkeerslichten, voertuigen en voetgangers herkent. Je verbetert zowel de detectie als de informatie die wordt doorgegeven aan de rijsoftware, zodat de kart op het juiste moment passend kan reageren.
Je bouwt voort op een bestaande detectiepipeline en de verbeterpunten van het vorige team.
Trainingsbeelden verzamelen, selecteren en annoteren.
Het bestaande detectiemodel bijtrainen en beoordelen op herkenningskwaliteit.
Onderzoeken wanneer objecten worden gemist of verkeerd herkend.
De koppeling verbeteren tussen detecties en rijgedrag, zoals stoppen of reageren op een verkeersbord.
Nieuwe modellen of aanvullende technieken vergelijken wanneer die een concreet probleem kunnen oplossen.
Verbeteringen testen met opgenomen beelden en tijdens testdagen op de kart.
Je hebt ervaring met Python en belangstelling voor machine learning en computer vision. Je wilt niet alleen een model trainen, maar ook begrijpen hoe het op een rijdend voertuig presteert. Je werkt zorgvuldig met data en stemt wijzigingen af met de rest van het team.
Python, YOLO, OpenCV, annotatie- en analysetools en de Intel NUC in de kart. Je gebruikt de bestaande documentatie en overdracht in de Azure Wiki.
Een aantoonbaar verbeterde detectiepipeline, bijbehorende testresultaten en een overdraagbare werkwijze voor data, modeltraining en integratie met de rijsoftware.
Samen werken en kennis overdragen
Bij iedere rol horen testen, samenwerken en documenteren. Je maakt je keuzes en resultaten inzichtelijk, bespreekt afhankelijkheden met teamgenoten en zorgt dat het volgende studententeam jouw werk kan begrijpen en voortzetten.
Periode: 8 februari 2027 tot en met 16 juli 2027.
Studiebelasting: ongeveer 40 uur per week.
Werkomgeving: je werkt via Hanze / Zernike CollabSpace aan de gesloten categorie van de RDW Self Driving Challenge.
Testdagen: je bent iedere week met het team aanwezig op de RDW-testbaan in Lelystad. Vervoer wordt geregeld.
Rijbewijs: rijbewijs B is een pré, geen vereiste.
Innovatieve werkplek waar studenten, onderzoekers en bedrijven samenwerken. Meer informatie over Hanze CollabSpace
Deel deze pagina op Facebook
Deel deze pagina op X
Deel deze pagina op LinkedIn
Deel deze pagina op WhatsApp
Deel deze pagina via e-mail