Multisensorsysteme

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen

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
  1. Kalman-Filter: 22.11.2017
  2. Komplementärfilter: 13.01.2018
  • Ein Beispiel liegt für Sie im Ordner Klausurvorbereitung. Orientieren Sie sich an der Programmstruktur.

Themen - Kalman-Filter

# Thema Bearbeiter
1 Kugel rollt auf Teppich und verschwindet kurzzeitig in einem Karton Prof. Schneider
2 Hexbug wird im Videobild verfolgt Prof. Schneider
3 Autonomer mobiler Roboter mit verrauschten Sensor Signalen Phillip Blunck
4 Fahrzeug fährt in Tunnel und verliert GPS Tom Niehaus
5 Verfolgung Ardumower mit GroundTruth System Marcel Kreuer
6 RobiTobi wird über Kamera getrackt und Bild fällt kurz aus Jan Auf der Landwehr
7 Ein Stapler bewegt sich in einer Lagerhalle und der Fahrtweg wird aufgenommen Nils Busemann
8 Spurhalteassistent gesteuertes Auto fährt auf der Autobahn Florian Mueller
9 Ein Flugzeug wird beim Starten verfolgt Maik Schmotz
10 Ein Wingsuit-Flieger fliegt durch die Luft und verschwindet kurz hinter einem Berg Matthias Maas
11 Beim Senkrechtstart einer Rakete tritt bei dem Beschleunigungssensor ein Wackelkontakt auf Alexander Soschnikow
12 Laufweg eines Tieres auf einer Wiese wird per Kamera an einer Drone verfolgt Simon Kohfeld

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

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