004 Informatik
Refine
Document Type
- Article (10)
- Working Paper (2)
- Bachelor Thesis (1)
- Study Thesis (1)
Has Fulltext
- yes (14) (remove)
Keywords
- Neuronales Netz (3)
- Data Mining (2)
- Kalman-Filter (2)
- data analysis (2)
- data mining (2)
- model car (2)
- neural networks (2)
- training data (2)
- virtual (2)
- Ableitung Solltrajektorie (1)
Für die Positionsbestimmung von Greifarmen wird in der Industrie häufig ein Tracking-System verwendet. Diese Systeme sind allerdings mit hohen Kosten verbunden. In diesem Paper wird ein Verfahren vorgestellt, um kostengünstige Tiefenkameras automatisiert als Multi-Kamerasystem zu registrieren und klassische Tracking-Systeme zu ersetzen. Für diesen Kalibrierungsprozess wird der Greifarm mit einem ChArUco-Brett ausgestattet. Neben der Kalibrierung kann das System auch die Position des Greifers abschätzen.
Die Positionsbestimmung im Indoor-Bereich
ermöglicht im Vergleich zu GPS komplett neue
Anwendungsszenarien. Hierfür ist Technologie notwendig,
welche immer weiter untersucht werden muss, um dessen
Systemgrenzen aufzuzeigen. Die Firma Decawave stellt mit dem
DWM1001 ein Ultrabreitbandmodul zur Verfügung, welches
eine Positionsbestimmung bis zu 10 Zentimetern Genauigkeit
erfüllen soll. Wie sich herausstellt, trifft dies nicht für die Höheninformation der Position zu.
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 befasst sich mit der Entwicklung eines robusten Positionsschätzers. Die Positionsschätzung findet für einen mobilen Roboter statt, welcher autonom einen Rundkurs abfährt.
Mithilfe des von Thrun et al. entwickelte FastSLAM Ansatz wird ein Konzept zur Filterung der Position entwickelt. Geeignete Umweltinformationen werden für die kontinuierliche Korrektur ermittelt und beschrieben. Für die Korrektur wird die Charakteristik der Rennstrecke genutzt.
Durch eine Validierung des Konzepts wird die Funktionalität gezeigt und ein Einblick in die erforderliche Rechenleistung gegeben.
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.
Diese Arbeit befasst sich mit der Entwicklung einer kamerabasierten Verkehrszeichenerkennung für ein autonom fahrendes Fahrzeug.
Dabei wird das neuronale Netz SSD-MobileNet-V1 verwendet, dessen Training ausschließlich mit virtuellen Trainingsdaten erfolgt. Zur Validierung wird ein autonom fahrendes Modellfahrzeug verwendet. Um die Verkehrszeichenerkennung auf dem Modellfahrzeug integrieren zu können, wird sie in Form eines ROS-Nodes implementiert, welcher außerdem die notwendige Vorverarbeitung der Kamerabilder sowie die Plausibilisierung der erkannten Verkehrszeichen beinhaltet. Es folgt die Integration der Verkehrszeichenerkennung in das Modellfahrzeug, wo sie auf einem NVIDIA Jetson TX2-Board ausgeführt wird.
Die entwickelte Verkehrszeichenerkennung ist in der Lage, 15 der 17 trainierten Verkehrszeichen zuverlässig zu erkennen und kann auf dem NVIDIA Jetson TX2-Board mit ausreichender Performance ausgeführt werden.
Design of a transverse controller for an autonomous driving model car based on the Stanley approach
(2020)
The Stanley approach is an established transverse controller
for autonomous vehicle’s to follow a desired reference
path accordingly. In this publication, functional extensions of
the Stanley algorithm are demonstrated. The resulting overall
lateral controller can be used for autonomous model cars
especially.
In recent years, machine learning methods have taken a
firm place in society and their use continues to grow. The challenge
here is their little to almost non-existent interpretability. The aim of this
paper is to uncover the possibilities of interpreting machine learning. The
novel mechanisms and procedures of the emerging field of interpretable
machine learning are presented. In a two-part analysis, intrinsically
interpretable machine learning methods and established post-hoc interpretation
methods are examined in more detail. The focus is on their
functionality, properties and boundary conditions. Finally, a use case
will be used as an example to demonstrate how post-hoc interpretation
methods can contribute to the explainability of an image classifier and
systematically provide new insights into a model.