Multisensorsysteme: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
(→FAQ) |
Keine Bearbeitungszusammenfassung |
||
(30 dazwischenliegende Versionen von 13 Benutzern werden nicht angezeigt) | |||
Zeile 13: | Zeile 13: | ||
* Verfahren zur Multisensor-Datenfusion | * Verfahren zur Multisensor-Datenfusion | ||
* Verfahren zum Objekttracking | * Verfahren zum Objekttracking | ||
* Komplementärfilter | |||
* optional: SLAM | |||
<!-- | <!-- | ||
Zeile 39: | Zeile 41: | ||
** Quelltext-Lesbarkeit | ** Quelltext-Lesbarkeit | ||
** Nachhaltigkeit | ** Nachhaltigkeit | ||
* | * Prüfungstermine der Teilprüfungen | ||
<!-- # [[Teilprüfung 1 - Kalman-Filter WS17/18 |Kalman-Filter]]: 22.11.2017 | <!-- # [[Teilprüfung 1 - Kalman-Filter WS17/18 |Kalman-Filter]]: 22.11.2017 | ||
# Kalman-Filter: 22.11. | # Kalman-Filter: 22.11.2018 | ||
# Komplementärfilter: | # Komplementärfilter: 16.01.2019 | ||
--> | |||
* Ein Beispiel liegt für Sie im Ordner <code>Klausurvorbereitung</code>. Orientieren Sie sich an der Programmstruktur. | * Ein Beispiel liegt für Sie im Ordner <code>Klausurvorbereitung</code>. Orientieren Sie sich an der Programmstruktur. | ||
== [[Multisensorsysteme - Vereinbarungen WS1920|Vereinbarungen WS 19/20]] == | |||
== [[Multisensorsysteme - Themen WS1718|Themen WS 17/18]] == | |||
== FAQ == | == FAQ == |
Aktuelle Version vom 20. Januar 2020, 10:42 Uhr
Dozent: Prof. Schneider
Lernergebnisse/Kompetenzen
Die Studierenden können geeignete Methoden zur Multisensordatenfusion und zum Objekttracking auswählen und umsetzten.
Inhalte
- Einführung Multisensorsysteme
- Auffrischung der statistischen Grundlagen (z.B. Satz von Bayes)
- Einführung in die Schätztheorie
- Zustandsraum-Modell
- Kalman-Filter
- Verfahren zur Multisensor-Datenzuordnung
- Verfahren zur Multisensor-Datenfusion
- Verfahren zum Objekttracking
- Komplementärfilter
- optional: SLAM
Erwartungen an Ihre Lösungen
- Berücksichtigen Sie die in den Veranstaltungen genannten Leitregeln für wissenschaftliches Arbeiten.
- Nutzen Sie Matlab Simulation und ggf. praktische Versuche, um Ihre Ergebnisse zu belegen.
- Beachten Sie das Kursmaterial in Moodle und SVN.
- Archivieren Sie Ihre Daten nachhaltig im dafür vorgesehenen SVN Ordner.
- Nutzen Sie SVN während des Semesters als Versionierungstool.
- Halten Sie sich beim Erstellen von Quelltext an die Programmierrichtlinien für Matlab.
- Erleichtern Sie die Verwendung Ihrer Quellen durch Kommentare, Header, Hilfedatei und ReadMe.txt.
Prüfung
- In der Prüfung wird Ihnen ein praktisches Problem präsentiert, welches Sie in einem gesteckten Zeitrahmen zu lösen haben.
- Befolgen Sie die Anweisungen auf dem Prüfungsbogen.
- Sichern Sie Ihre Ergebnisse in dem dafür vorgesehenen Ordner in SVN.
- Die Bewertung erfolgt an den hier aufgeführten Kriterien
- Vollständigkeit
- Ergebnisqualität
- Quelltext-Effizienz
- Quelltext-Lesbarkeit
- Nachhaltigkeit
- Prüfungstermine der Teilprüfungen
- Ein Beispiel liegt für Sie im Ordner
Klausurvorbereitung
. Orientieren Sie sich an der Programmstruktur.
Vereinbarungen WS 19/20
Themen WS 17/18
FAQ
- Können Sie Beispiele für das zu modellierenden Modell nennen?
- Ein Auto steht, beschleunigt, fährt mit konstanter Geschwindigkeit in einer Ebene und verzögert wieder bis zum Stillstand.
- Der schräge Wurf eines Balls.
- Ein Flummi hüpft bis zum Stillstand.
- Ein Ball rollt über einen Rasen.
- Eine Kugel taucht in Wasser ein.
Siehe auch
- Allgemeine Bewertungskriterien für Softwareprojekte
- Wissenschaftliches Arbeiten mit LaTeX
- Anforderungen an eine wissenschaftlich Arbeit
- Checkliste vor der Abgabe
Literatur
- Bar-Shalom, Y.: Multitarget-Multisensor Tracking : Advanced Applications. Norwood: Artech House, 1990
- Bar-Shalom, Y.; Li, X.-R.: Estimation and Tracking : Principles, Techniques and Software. Norwood: Artech House, 1993
- Blackman, S. S.: Multiple-Target Tracking with Radar Applications. Norwood: Artech House, 1986
- Blackman, S. S.; Popoli, R.: Design and Analysis of Modern Tracking Systems. Norwood: Artech House, 1999
- Brooks, R. R.; Iyengar, S. S.: Multi-Sensor Fusion : Fundamentals and Applications with Software. Upper Saddle River : Prentice-Hall, 1998
- Kim, P: Kalman-Filter für Einsteiger. Leipzig: CreateSpace, 2016. ISBN 978-1-50272-378-9
- Mitchell, H.B.: Multi-Sensor Data Fusion: An Introduction. Berlin Heidelberg: Springer, 2010. ISBN 978-3540714637
- Raol, J. R.: Multi-Sensor Data Fusion with MATLAB. Crc Pr Inc, 2009. ISBN 978-1439800034
- Sanjeev, B.; u.a: Beyond the Kalman Filter: Particle Filters for Tracking Applications. DSTO, 2004. ISBN 1-58053-631-x
- Subhash, C.; u.a.: Fundamentals of Object Tracking. Cambridge University Press, 2011. ISBN 978-0521876285
- Thomas, C.: Sensor Fusion and Its Applications. URL: www.sciyo.com