BSE Moderne Tracking Systeme

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

1. Kalman-Filter: 22.11.2017
2. 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

Themen - Partikel-Filter

Setzen Sie einen Resampling-Algorithmus aus der Quelle Resample in Particle Filtering – Comparison.pdf konsequent in MATLAB um.

#	Resampling-Algorithmus	Seite	Bearbeiter
1	Resampling-Wheel	Quelle: Sebastian Thrun	Ulrich Schneider
2	StR2, Code 6	S. 41f	Max Mustermann
2	MR1A, Code 1	S. 38f	Eileen Hinners
3	MR2, Code 3	S. 39f	Philipp Tewes
4	MR3, Code 4	S. 40	Sven Gaida
5	MR1b, Code 2	S. 38	Dominik Kai Meyer
6	SR, Code 12	S. 46f	Andre Adämmer
7	RR1, Code 14	S. 47	Tim Kempe
8	RSR, Code 15	S. 47	Julia Averesch
10	ReR, Code 18	S. 49	Andreas Dörksen
11	RR2, Code 16	S. 48	Leonard Kleeschulte
12	StR1, Code 5	S. 41	Lisa Huber
13	DSR, Code 13	S. 46	Sebastian Dany

Siehe auch

• Allgemeine Bewertungskriterien für Softwareprojekte
• Wissenschaftliches Arbeiten mit LaTeX
• Anforderungen an eine wissenschaftlich Arbeit
• Checkliste vor der Abgabe
• Software Versionsverwaltung mit SVN

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