Multisensorsysteme: Unterschied zwischen den Versionen

Aktuelle Version vom 20. Januar 2020, 09:42 Uhr

Die Studierenden können geeignete Methoden zur Multisensordatenfusion und zum Objekttracking auswählen und umsetzten.

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.

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.

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

@@ Zeile 13: / Zeile 13: @@
 * Verfahren zur Multisensor-Datenfusion
 * Verfahren zum Objekttracking
+* Komplementärfilter
+* optional: SLAM
 <!--
@@ Zeile 39: / Zeile 41: @@
 ** Quelltext-Lesbarkeit
 ** Nachhaltigkeit
+* Prüfungstermine der Teilprüfungen
+<!-- # [[Teilprüfung 1 - Kalman-Filter WS17/18 |Kalman-Filter]]: 22.11.2017
+# Kalman-Filter: 22.11.2018
+# Komplementärfilter: 16.01.2019
+-->
+* 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 ==
+* 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 ==