HSHL Mechatronik - Letzte Änderungen [de]

Modellierung und Simulation - Programmiertechniken

2026-07-02T17:43:42Z

13. Objektorientierung

Zustandsdiagramm

2026-07-02T16:58:36Z

Demo

@@ Zeile 51: / Zeile 51: @@
 Läuft während der Zustand aktiv ist.
   do / Aktion
-=== Beispiel==
+=== Beispiel===
   do / Temperatur messen
@@ Zeile 87: / Zeile 87: @@
 * werden vor dem Übergang geprüft
 * verhindern oder erlauben Übergänge
 = Videos =

AlphaBot: Autonomes Einparken

2026-07-02T16:12:05Z

Tutorial

@@ Zeile 48: / Zeile 48: @@
 == Tutorial ==
 * [[Zustandsdiagramm| HSHL-Wiki: Zustandsdiagramm]]
-* [https://de.wikipedia.org/wiki/Endlicher_Automat Wikipedia: Zustandsdiagramm]
+<syntaxhighlight lang="c" style="background-color: #EFF1C1; font-size:small">
-* [https://de.mathworks.com/discovery/state-diagram.html Zustandsdiagramme mit MATLAB<sup>®</sup>]
+// Pin-Definitionen
-{{#ev:youtube|m_PEhWshRRg| 250 | | Mealy Automat - einfache Erklärung & anschauliches Beispiel!|frame}}
+const int ledPin = 13;
-{{#ev:youtube|PO-KMw70af0| 250 | | Snack-Automat als Zustandsdiagramm|frame}}
+const int buttonPin = 2;
 = Versuchsdurchführung =

Zustandsdiagramm

2026-07-02T16:06:07Z

← Nächstältere Version		Version vom 2. Juli 2026, 16:06 Uhr
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 7:		Zeile 7:
	\| '''Lehrveranstaltung:''' \|\| Mechatronik, Informatik Praktikum 2, 2. Semester		\| '''Lehrveranstaltung:''' \|\| Mechatronik, Informatik Praktikum 2, 2. Semester
	\|}		\|}
			= Einleitung =
			Zustandsdiagramme sind ein zentrales Werkzeug der Modellierung in der Informatik und Systemtechnik, um das Verhalten eines Systems über die Zeit hinweg anschaulich darzustellen. Sie beschreiben, in welchen Zuständen sich ein System befinden kann und wie es durch Ereignisse oder Bedingungen von einem Zustand in einen anderen wechselt.

			Typischerweise werden Zustandsdiagramme verwendet, um reaktive Systeme zu modellieren, also Systeme, die auf äußere Eingaben reagieren – etwa Steuerungen, eingebettete Systeme oder Benutzeroberflächen. Dabei steht nicht die Berechnung einzelner Werte im Vordergrund, sondern der Ablauf von Zustandsänderungen.

			Ein Zustandsdiagramm besteht im Kern aus Zuständen, Übergängen und den dazugehörigen Auslösern (Events) sowie optionalen Bedingungen (Guards) und Aktionen. Durch diese Struktur lassen sich komplexe Verhaltenslogiken übersichtlich und nachvollziehbar darstellen.

			In der Praxis helfen Zustandsdiagramme dabei, Systeme frühzeitig zu verstehen, Fehler in der Logik zu erkennen und die Implementierung in Programmiersprachen oder Steuerungssystemen gezielt vorzubereiten.
			= 1. Zustandsbeschreibung (State) =

			*Ein Zustand beschreibt eine stabile Situation eines Systems.
			*Ein System bleibt in einem Zustand, bis ein Ereignis einen Übergang auslöst.

			Eigenschaften eines Zustands:
			* beschreibt „Was gilt gerade?“
			* kann interne Variablen enthalten
			* kann Aktionen ausführen (Entry / Do / Exit)

			Beispiele:
			* Warten
			* MotorEin
			* Fehlerzustand

			=2. Eingangs- und Ausgangsaktionen (E/A)=
			Zustände können Aktionen ausführen, wenn sie betreten oder verlassen werden.

			== Eingangsaktion (Entry Action) ==
			Wird einmal beim Betreten des Zustands ausgeführt.
			entry / Aktion

			===Beispiel===
			entry / LED = ON
			entry / Zähler = 0
			== Ausgangsaktion (Exit Action) ==
			Wird einmal beim Verlassen des Zustands ausgeführt.
			exit / Aktion

			=== Beispiel===
			exit / Motor stoppen
			exit / Daten speichern

			== Do-Aktion (optional)==
			Läuft während der Zustand aktiv ist.
			do / Aktion
			=== Beispiel==
			do / Temperatur messen

			== 3. Zustandsübergänge (Transitions) ==
			Ein Zustandsübergang beschreibt den Wechsel von einem Zustand in einen anderen.
			Er wird durch ein Ereignis ausgelöst.

			Darstellung:
			Ereignis / Aktion

			oder erweitert:
			Ereignis [Bedingung] / Aktion

			===Beispiel===
			TasterGedrückt / LED = ON

			Bedeutung:<br>
			Wenn der Taster gedrückt wird → LED einschalten

			=4. Bedingungen für Zustandsübergänge (Guards)=

			Eine Bedingung (Guard) ist eine logische Voraussetzung, die erfüllt sein muss, damit ein Übergang stattfindet.

			Schreibweise:
			Ereignis [Bedingung]

			=== Beispiel===
			TasterGedrückt [Temperatur > 50°C] / Alarm = ON

			Bedeutung:<br>
			Übergang nur, wenn Temperatur größer als 50°C ist

			Eigenschaften von Bedingungen:
			* sind logische Ausdrücke (true/false)
			* werden vor dem Übergang geprüft
			* verhindern oder erlauben Übergänge

			= Videos =
			{{#ev:youtube\|m_PEhWshRRg\| 250 \| \| Mealy Automat - einfache Erklärung & anschauliches Beispiel!\|frame}}
			{{#ev:youtube\|PO-KMw70af0\| 250 \| \| Snack-Automat als Zustandsdiagramm\|frame}}

			= Tutorials =
			* [https://de.wikipedia.org/wiki/Endlicher_Automat Wikipedia: Zustandsdiagramm]
			* [https://de.mathworks.com/discovery/state-diagram.html Zustandsdiagramme mit MATLAB<sup>®</sup>]



			→ zurück zum Hauptartikel: [[Informatikpraktikum_MTR\|Informatik Praktikum 2]]<br>

Zustandsdiagramm

2026-07-02T15:57:54Z

Die Seite wurde neu angelegt: „{|class="wikitable" |- | '''Autor:''' || Prof. Dr.-Ing. Schneider |- | '''Modul:''' || Praxismodul II |- | '''Lehrveranstaltung:''' || Mechatronik, Informatik Praktikum 2, 2. Semester |}“

Neue Seite

{|class="wikitable"
|-
| '''Autor:''' || [[Benutzer:Ulrich_Schneider| Prof. Dr.-Ing. Schneider]]
|-
| '''Modul:''' || Praxismodul II
|-
| '''Lehrveranstaltung:''' || Mechatronik, Informatik Praktikum 2, 2. Semester
|}

AlphaBot: Autonomes Einparken

2026-07-02T15:57:20Z

Tutorial

← Nächstältere Version		Version vom 2. Juli 2026, 15:57 Uhr
(6 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 25:		Zeile 25:

	== Vorbereitung/Hausaufgabe ==		== Vorbereitung/Hausaufgabe ==
	In diesem Praktikumstermin soll Ihr AlphaBot autonom einparken. Erstellen Sie als Vorbereitung ein [https://de.wikipedia.org/wiki/Endlicher_Automat Zustandsdiagramm] für die Funktion <code>Parken()</code> mit [https://www.yworks.com/products/yed yEd].		In diesem Praktikumstermin soll Ihr AlphaBot autonom einparken. Erstellen Sie als Vorbereitung ein [https://de.wikipedia.org/wiki/Endlicher_Automat Zustandsdiagramm] für die Funktion <code>Parken()</code> mit [https://www.yworks.com/products/yed yEd]. Falls in der Informatik Zustandsautomaten nicht behandelt worden, schauen Sie sich bitte als Vorbereitung die Tutorial an.

	Planen Sie eine Zustandsmaschine, die zwischen den Zuständen		Planen Sie eine Zustandsmaschine, die zwischen den Zuständen
	* Zustand 1: Parklücke suchen,		* Zustand 1: Parklücke suchen,
Zeile 45:		Zeile 46:
	\| [[Datei:Zustandsdiagramm AEP Inf2P.jpg\|500px]]		\| [[Datei:Zustandsdiagramm AEP Inf2P.jpg\|500px]]
	\|}		\|}
			== Tutorial ==
			* [[Zustandsdiagramm\| HSHL-Wiki: Zustandsdiagramm]]
			* [https://de.wikipedia.org/wiki/Endlicher_Automat Wikipedia: Zustandsdiagramm]
			* [https://de.mathworks.com/discovery/state-diagram.html Zustandsdiagramme mit MATLAB<sup>®</sup>]
			{{#ev:youtube\|m_PEhWshRRg\| 250 \| \| Mealy Automat - einfache Erklärung & anschauliches Beispiel!\|frame}}
			{{#ev:youtube\|PO-KMw70af0\| 250 \| \| Snack-Automat als Zustandsdiagramm\|frame}}

	= Versuchsdurchführung =		= Versuchsdurchführung =
Zeile 79:		Zeile 86:
	'''Arbeitsergebnis''' in SVN: <code>SVN Log</code>		'''Arbeitsergebnis''' in SVN: <code>SVN Log</code>

	~~= Tutorials =~~
	* [https://de.wikipedia.org/wiki/Endlicher_Automat Wikipedia: Zustandsdiagramm]
	* [https://de.mathworks.com/discovery/state-diagram.html Zustandsdiagramme mit MATLAB<sup>®</sup>]
	== [[Datei:Lektionen.jpg\|60px]] Ausblick zur nächsten Lektion ==		== [[Datei:Lektionen.jpg\|60px]] Ausblick zur nächsten Lektion ==
	In der nächsten Lektion findet die Abschlussprüfung statt.		In der nächsten Lektion findet die Abschlussprüfung statt.

AlphaBot: Programmier-Challenge II SoSe26

2026-07-02T15:20:00Z

Bewertung

← Nächstältere Version		Version vom 2. Juli 2026, 15:20 Uhr
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 39:		Zeile 39:
	\|-		\|-
	\| 5 \|\| Die Roboterpose muss anhand der unterschiedlichen Radumdrehungen ([[AlphaBot:_Motoren_und_Inkrementalgeber#Aufgabe_4.4:_Differentielle_Odometrie\|Differenzielle Odometrie]]) ermittelt werden.<br> Es ist eine max. Winkelabweichung von 5 ° erlaubt. \|\| 1		\| 5 \|\| Die Roboterpose muss anhand der unterschiedlichen Radumdrehungen ([[AlphaBot:_Motoren_und_Inkrementalgeber#Aufgabe_4.4:_Differentielle_Odometrie\|Differenzielle Odometrie]]) ermittelt werden.<br> Es ist eine max. Winkelabweichung von 5 ° erlaubt. \|\| 1
			<!--
	\|-		\|-
	\| 6 \|\| Der Abstand zum vorderen und hinteren Hindernis muss jeweils mindestens 10 mm betragen.<br> Der Ultraschallsensor muss verwendet werden, um mittig in der Parklücke zu stehen.\|\| 1		\| 6 \|\| Der Abstand zum vorderen und hinteren Hindernis muss jeweils mindestens 10 mm betragen.<br> Der Ultraschallsensor muss verwendet werden, um mittig in der Parklücke zu stehen.\|\| 1
			-->
	\|-		\|-
	\| 7 \|\| Das Einparkmanöver muss innerhalb von 30 s abgeschlossen sein. \|\| 1		\| 6 \|\| Das Einparkmanöver muss innerhalb von 30 s abgeschlossen sein. \|\| 1
	\|-		\|-
	\| 8 \|\| Die geregelte Geradeausfahrt muss mittels PD-Regler und Linienverfolger (Schwarze Linie auf hellem Grund) realisiert werden. \|\| 2		\| 7 \|\| Die geregelte Geradeausfahrt muss mittels PD-Regler und Linienverfolger (Schwarze Linie auf hellem Grund) realisiert werden. \|\| 2
	\|-		\|-
	\|}		\|}
Zeile 157:		Zeile 159:
	\| 12.3 \|\| '''Test der Anforderungen''' \|\|		\| 12.3 \|\| '''Test der Anforderungen''' \|\|
	\|-		\|-
	\| \|\| 1-8 (je 0,5, s. Tabelle 1) \|\| max. 3,5		\| \|\| 1-7 (je 0,5, s. Tabelle 1) \|\| max. 3,5
	\|-		\|-
	\| 12.4 \|\| '''Umgang mit SVN''' \|\| 0,5		\| 12.4 \|\| '''Umgang mit SVN''' \|\| 0,5

Controlled Autonomous Driving for a JetRacer

2026-07-02T14:41:27Z

Repository

← Nächstältere Version		Version vom 2. Juli 2026, 14:41 Uhr
(2 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 103:		Zeile 103:
	= Solutions =		= Solutions =

	= Results =		[[Datei:Working pipeline.png\|mini]]
			= Results =

	= Summary and Outlook =		= Summary and Outlook =
Zeile 140:		Zeile 141:
	\|-		\|-
	\| structure_correction_11_vision_drive_and_track_recording.m \|\| This file is a advanced version of the main source code file of speed_increase.m. The JetRacer drives at 1.45 m/s and the lane detection vision pipeline runs at maximum 40 FPS. This is purely vision based steering application but has additional functionality of video recording from the Jetracer camera. The recorded video of track can then be used by the jetson_lane_detection_video_simulator.m simulator. \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection		\| structure_correction_11_vision_drive_and_track_recording.m \|\| This file is a advanced version of the main source code file of speed_increase.m. The JetRacer drives at 1.45 m/s and the lane detection vision pipeline runs at maximum 40 FPS. This is purely vision based steering application but has additional functionality of video recording from the Jetracer camera. The recorded video of track can then be used by the jetson_lane_detection_video_simulator.m simulator. \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection
			\|-
			\| gyro_vs_topcon.m \|\| Comparison of accumulated yaw data from gyroscope vs TopCon Total Station \|\| runlog.mat file from Jetracer gyro data, Messung_*.mat file for Topcon reference measurements, Rundkurs.mat file for Reference track geometry digital map of track, AlphaBot Prism tracking to track prism. \|\| Jetracer, Wifi TCP connection, 2 Windows PC , Topcon Toatl station and Prism
			\|-
			\| python server files folder \|\| Copy all the python server files from the python server files folder and paste them on Jetracer JetPack OS. The python server files are needed for the JetPack OS to perform tasks such as TCP communication, motor controller actions, gyroscope data processing and sending, Lidar data communication and others. They are responsible for Jetracer Jetson Nano side functionality. \|\| JetPack OS \|\| HDMI Monitor , Keyboard, Mouse, Jetracer Jetson Nano
	\|}		\|}

Datei:Working pipeline.png

2026-07-02T14:14:50Z

Yashodhan-vishvesh.deshpande@stud.hshl.de lud Datei:Working pipeline.png hoch

Neue Seite

Working pipeline

Controlled Autonomous Driving for a JetRacer

2026-07-02T13:56:49Z

Repository

← Nächstältere Version		Version vom 2. Juli 2026, 13:56 Uhr
Zeile 129:		Zeile 129:
	\| homography_runtime_style.m \|\| Determines camera pitch, height and yaw correction. The computed pitch angle and yaw correction are intended to be used directly in the runtime lane detection pipeline. The sign convention of negative for the pitch displayed must be ignored and a positive pitch value must be used. The camera height caluclated is only a rough estimate and can have serious errors. So a camera height based on Birds eye view region of interest must be used as the lanes can go out of regiuon of interest if the height is too much or too less. If the detected checkerboard coners appear shifted then correct them by shifting them by adding integer values to bevPoints variables that is [u , v]. This helps achieve sub pixel accuracy. \|\| Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, checkerboard pattern image with resolution of Height = 360px , Width = 480px \|\|		\| homography_runtime_style.m \|\| Determines camera pitch, height and yaw correction. The computed pitch angle and yaw correction are intended to be used directly in the runtime lane detection pipeline. The sign convention of negative for the pitch displayed must be ignored and a positive pitch value must be used. The camera height caluclated is only a rough estimate and can have serious errors. So a camera height based on Birds eye view region of interest must be used as the lanes can go out of regiuon of interest if the height is too much or too less. If the detected checkerboard coners appear shifted then correct them by shifting them by adding integer values to bevPoints variables that is [u , v]. This helps achieve sub pixel accuracy. \|\| Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, checkerboard pattern image with resolution of Height = 360px , Width = 480px \|\|
	\|-		\|-
	\| speed_increase.m \|\|This is the main source code file that performs real-time autonomous lane following using Bird's-Eye View lane detection and PID steering control. The JetRacer drives at 1.45 m/s and the lane detection vision pipeline runs at maximum 40 FPS. This is purely vision based application for maximum speed and FPS. NO Gyroscope and NO Lidar \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection		\| speed_increase.m \|\|This is the main source code file that performs real-time autonomous lane following using Bird's-Eye View lane detection and PID steering control. The JetRacer drives at 1.45 m/s and the lane detection vision pipeline runs at maximum 40 FPS. This is purely vision based steering application for maximum speed and FPS. NO Gyroscope and NO Lidar \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection
	\|-		\|-
	\| sim3.m \|\| This is the PID Controller simulator used for tuning so the JetRacer can drive smoothly. It shows error osillations in technical parameters of offset (m) that is lateral error and psi (deg) that heading error in plots of LOGGED: offset and LOGGED: psi against time (s) respectively. \|\| MATLAB R2019b, runlog.mat file for the logged data of the JetRacer Driving \|\|		\| sim3.m \|\| This is the PID Controller simulator used for tuning so the JetRacer can drive smoothly. It shows error osillations in technical parameters of offset (m) that is lateral error and psi (deg) that heading error in plots of LOGGED: offset and LOGGED: psi against time (s) respectively. \|\| MATLAB R2019b, runlog.mat file for the logged data of the JetRacer Driving \|\|
Zeile 138:		Zeile 138:
	\|-		\|-
	\| structure_correction_10_lidar_integrated.m \|\| This file is a advanced version of the main source code file of speed_increase.m. It has vision based steering only with addition of simultaneous obstacle detection based on Lidar. Maximum FPS achieved for lane detection pipeline is 40 FPS with Jetracer driving speed of 1.45 m/s. Obstacle detection and avoidance set at 0.8 m from the car frontier. \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection		\| structure_correction_10_lidar_integrated.m \|\| This file is a advanced version of the main source code file of speed_increase.m. It has vision based steering only with addition of simultaneous obstacle detection based on Lidar. Maximum FPS achieved for lane detection pipeline is 40 FPS with Jetracer driving speed of 1.45 m/s. Obstacle detection and avoidance set at 0.8 m from the car frontier. \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection
			\|-
			\| structure_correction_11_vision_drive_and_track_recording.m \|\| This file is a advanced version of the main source code file of speed_increase.m. The JetRacer drives at 1.45 m/s and the lane detection vision pipeline runs at maximum 40 FPS. This is purely vision based steering application but has additional functionality of video recording from the Jetracer camera. The recorded video of track can then be used by the jetson_lane_detection_video_simulator.m simulator. \|\| MATLAB Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms, Computer Vision Toolbox, Image Processing Toolbox, Parallel Computing Toolbox (GPU acceleration), appcameracalibration.mat file, python server files on JetRacer JetPack OS, camera extrinsic parameter values. \|\| Jetracer, Wifi TCP connection
	\|}		\|}

Modellierung und Simulation - Programmiertechniken

2026-07-02T13:47:19Z

2. Vektorisierung

← Nächstältere Version		Version vom 2. Juli 2026, 13:47 Uhr
(3 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 71:		Zeile 71:

	= 2. Vektorisierung =		= 2. Vektorisierung =
	Der folgende Code berechnet <math>y=3x^2+~~2x−5~~</math> mittels einer Schleife.		Der folgende Code berechnet <math>y=3\,x^2 + 2\,x - 5</math> mittels einer Schleife.
	<syntaxhighlight lang="matlab" line style="border: none; background-color: #EFF1C1; font-size:small">x=-10:0.1:10		<syntaxhighlight lang="matlab" line style="border: none; background-color: #EFF1C1; font-size:small">x=-10:0.1:10
	for i=1:length(x)		for i=1:length(x)