BSE Moderne Tracking Systeme: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
| Zeile 31: | Zeile 31: | ||
* Sichern Sie Ihre Ergebnisse in dem dafür vorgesehenen Ordner in SVN. Abgaben per E-Mail werden nicht akzeptiert. | * Sichern Sie Ihre Ergebnisse in dem dafür vorgesehenen Ordner in SVN. Abgaben per E-Mail werden nicht akzeptiert. | ||
* Für die Vorbereitung liegt eine Probeklausur in SVN bereit. | * Für die Vorbereitung liegt eine Probeklausur in SVN bereit. | ||
* Die Bewertung erfolgt an den hier aufgeführten | * Die Bewertung erfolgt an den hier aufgeführten [[Bewertungskriterien_für_Software|Kriterien]] mit der Gewichtung | ||
** Vollständigkeit: 7/19 | ** Vollständigkeit: 7/19 | ||
** Ergebnisqualität: 5/19 | ** Ergebnisqualität: 5/19 | ||
Version vom 23. November 2017, 10:23 Uhr
Dozent: Prof. Schneider
Lernergebnisse/Kompetenzen
Die Studierenden kennen aktuelle Tracking-Techniken und können diese auf praktische Probleme anwenden.
Inhalte
- Sensordatenfusionskonzepte
- Datenzuordnungsverfahren
- Modellierung dynamischer Systeme (Sensormodelle, Systemmodelle)
- Kalman Filter, EKF, UKF
- Partikel Filter
- Self Localization and Mapping (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 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. Abgaben per E-Mail werden nicht akzeptiert.
- Für die Vorbereitung liegt eine Probeklausur in SVN bereit.
- Die Bewertung erfolgt an den hier aufgeführten Kriterien mit der Gewichtung
- Vollständigkeit: 7/19
- Ergebnisqualität: 5/19
- Quelltext-Effizienz: 5/19
- Quelltext-Lesbarkeit: 5/19
- Nachhaltigkeit: 5/19
- Abgabetermine für die Teilprüfungen
- Kalman-Filter: 22.11.2017
- Partikel-Filter: 13.01.2018
- Ein Beispiel liegt für Sie im Ordner
Klausurvorbereitung. Orientieren Sie sich an der Programmstruktur.
Themen - Kalman-Filter
| # | Thema | Bearbeiter |
|---|---|---|
| 1 | 3 Autos werden im Videobild verfolgt. | Philipp Tewes |
| 2 | 3 Vögel werden im Videobild verfolgt. | Sven Gaida |
| 3 | 3 Pferde werden verfolgt. | Julia Averesch |
| 4 | 3 Pillen werden verfolgt. | Sebastian Dany |
| 5 | 3 Personen werden in einer Bildabfolge verfolgt. | Tim Kempe |
| 6 | 3 Einzeller unter einem Mikroskop werden verfolgt. | Lisa Huber |
| 7 | 3 Mücken werden verfolgt. | Leonard Kleeschulte |
| 8 | 3 Steinen werden im Fall verfolgt. | Dominik Kai Meyer |
| 9 | 3 Silvesterraketen werden bis zur Explosion verfolgt. | Andre Adämmer |
| 10 | 3 Geworfene Bälle werden verfolgt. | Andreas Dörksen |
| 11 | 3 Äpfel fallen vom Baum (mit Seitenwind). | Patrick Klauke |
| 12 | 3 Schiffe werden verfolgt. | Eileen Hinners |
Siehe auch
- Allgemeine Bewertungskriterien für Softwareprojekte
- Wissenschaftliches Arbeiten mit LaTeX
- Anforderungen an eine wissenschaftlich Arbeit
- Checkliste vor der Abgabe
Literatur
- Kim, P.: Kalman Filter for Beginners. Korea: A-Jin, 2010.ISBN 978-1463-6483-5-0
- 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
→ zurück zum Hauptartikel: Business and Systems Engineering