Open Access

This paper presents the Online Adaptive Fuser: OAFuser, a novel method for online adaptive estimation of motion and measurement uncertainties for efficient tracking and fusion by applying a system of several estimators for ongoing noise along with the conventional state and state covariance estimation. In our system, process and measurement noises are estimated with steady-state filters to obtain combined measurement noise and process noise estimators for all sensors in order to obtain state estimation with a linear Minimum Mean Square Error (MMSE) estimator and accelerating the system’s performance. The proposed adaptive tracking and fusion system was tested based on high fidelity simulation data and several real-world scenarios for automotive radar, where ground truth data is available for evaluation. We demonstrate the proposed method’s accuracy and efficiency in a challenging, highly dynamic scenario where our system is benchmarked with Multiple Model filter in terms of error statistics and run time performance.

This document specifies a YANG model for TCP on devices that are configured by network management protocols. The YANG model defines a container for all TCP connections and groupings of some of the parameters that can be imported and used in TCP implementations or by other models that need to configure TCP parameters. The model includes definitions from YANG Groupings for TCP Client and TCP Servers (I-D.ietf-netconf-tcp-client-server). The model is NMDA (RFC 8342) compliant.

This document provides guidance on how to implement and use the Transmission Control Protocol (TCP) in Constrained-Node Networks(CNNs), which are a characteristic of the Internet of Things (IoT).Such environments require a lightweight TCP implementation and may not make use of optional functionality. This document explains a number of known and deployed techniques to simplify a TCP stack as well as corresponding tradeoffs. The objective is to help embedded developers with decisions on which TCP features to use.

Diese Bachelorarbeit ging der Frage nach, wie der zeitlich anspruchsvolle und komplexe Prozess der kanalübergreifenden Kampagnen-Steuerung des Media Managements der RTL DISNEY Fernsehen GmbH & Co. KG (SUPER RTL) mittels einer geeigneten Lösung automatisiert werden kann. Dadurch soll ermöglicht werden, eine deutlich effizientere Analyse der Daten vorzunehmen. Hierzu wurde der derzeitige Prozess untersucht, die erlangten Erkenntnisse umfangreich analysiert und daraus klare Zielsetzungen an die Entwicklung des Systems abgeleitet. Im Zuge der Produktkonzeption wurde ein Lösungskonzept, welches die Business Intelligence Plattform Microsoft Power BI und die API-Verwaltung von Supermetrics enthält, entworfen und anschließend realisiert. Ziel war es, dem Benutzer eine intuitive und übersichtliche Anwendung zur Verfügung zu stellen, mit der kanalübergreifende Auswertungen durch explorative Visualisierungen vorgenommen werden können. Bestehende komplexe, zeitlich aufwendige und manuelle Prozessabläufe wurden so mehrheitlich im System standardisiert und stehen nunmehr effizient, ersichtlich und vollautomatisiert zur Verfügung.

Diese Arbeit beschreibt die Aufstellung einer Trajektorie für ein autonomes Fahrzeug. Als Basis dient eine Vorarbeit, bei der ein neuronales Netz das Bild einer Frontkamera eines Autos in Fahrspur und Nicht-Fahrspur segmentiert. Darauf aufbauend wird das Bild zunächst in die Vogelperspektive transformiert. Anschließend folgen eine Detektion der Fahrspurkanten sowie ein Clustering-Verfahren, um linke und rechte Kantenabschnitte zu separieren. Weiter wird die Trajektorie diskret in Form von Parametern des Kreisbogenmodells aufgenommen. Die Prädiktion dieser Parameter erfolgt mittels eines Extended Kalman-Filters. Die abschließende Validierung der Algorithmen erfolgt durch eine synthetisch generierte Fahrspur.