Kontakt
  • Haben Sie Fragen?

Birgit Welt

Study Coach

Your Contact

Sensordatenfusion und Lokalisierung

Lernziele


Die Teilnehmenden kennen die Möglichkeiten der Fusion verschiedener Sensordaten zur Umfeldwahrnehmung und können diese beurteilen. Aufbauend hierauf verstehen sie, wie ein autonom fahrendes Fahrzeug eine eigene Karte seines Umfelds erstellt und sich hierin lokalisiert.

Lehrinhalte


1. Sensordatenfusion zeitvarianter und zeitinvarianter Größen

1.1 Datenfusion zeitinvarianter Größen

1.2 Zustandsraumbeschreibung zeitvarianter Größen

1.3 Klassisches und adaptives Kalman-Filter (ROSE-Filter)

1.4 Nichtlineare-Filter (Spezielle Gauß-Filter, Partikelfilter)

1.5 Erweitertes Kalman-Filter

 

2. SLAM: (Simultaneous) Localization and Mapping

2.1 Motivation Lokalisierung und Mapping für automatisiertes Fahren

2.2 Taxonomien

2.3 Problemstellung Feature based SLAM

2.4 SLAM und Kalman-Filter (z. B. EKF SLAM)

2.5 SLAM und Partikelfilter (z. B. FastSLAM)

2.6 Grid Mapping

Weitere Informationen zum Download


Lernform

Präsenz + Live-Online

Zeitraum

4-6 Wochen

Workload

46 UE Präsenz / virtuelle Präsenz

104 UE Selbststudium

Termine

09. Februar 202410. Februar 202401. März 202402. März 202408. März 202409. März 202419. April 2024

Prüfung

11. Mai 2024
(Klausur)

Voraussetzungen

Mathematik mit Schwerpunkt Stochastik

Sprache

Deutsch

Freie Plätze

Lehrende

Prof. Dr.-Ing. Frank Tränkle, Prof. Dr. Martin Stämpfle, Prof. Dr. Frank Niewels

Ort

Hochschule Esslingen

Der Kurs ist aktuell ausgebucht


zur Warteliste