Multisensorsysteme
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
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
- Abgabetermine für die Teilprüfungen
- Kalman-Filter: 22.11.2017
- Komplementärfilter: 13.01.2018
Themen - Kalman-Filter
| # | Thema | Bearbeiter |
|---|---|---|
| 1 | Kugel rollt auf Teppich und verschwindet kurzzeitig in einem Karton | Prof. Schneider |
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