004 Informatik
Refine
Document Type
- Article (10)
- Working Paper (2)
- Bachelor Thesis (1)
- Book (1)
- Conference Proceeding (1)
- Study Thesis (1)
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)
A matter of reality
(2018)
Due to the increasing relevance of data, more and more data from various sources is accumulated for a variety of purposes. At the same time, however, there is a shortage of data in areas where it is urgently needed. Particularly in the field of machine learning, there is a lack of good and usable training data. Therefore, this research paper is concerned with the virtual data acquisition for the training of neural networks. For this purpose, first an application was developed that aims to generate virtual, automatically labeled data. Subsequently, a neural network was trained on the generated virtual data and tested on real data.
A matter of reality
(2018)
Due to the increasing relevance of data, more and more data from various sources is accumulated for a variety of purposes. At the same time, however, there is a shortage of data in areas where it is urgently needed. Particularly in the field of machine learning, there is a lack of good and usable training data. Therefore, this research paper is concerned with the virtual data acquisition for the training of neural networks. For this purpose, first an application was developed that aims to generate virtual, automatically labeled data. Subsequently, a neural network was trained on the generated virtual data and tested on real data.
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.
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.
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.
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.
Diese Arbeit zeigt Wege und Überlegungen zur Entwicklung eines räumlichen Interakti- onskonzeptes auf. Als Basis diente die Vorgabe eines Eingabegerätes, der Fernbedienung der Spielekonsole Wii von Nintendo. Die Wii-Fernbedienung, auch Wiimote genannt, dient dem Benutzer einer Wii-Konsole als primäres Spiel- und Steuerinstrument. Bisherige Benutzerschnittstellen „fesseln“ den Nutzer oft an eine Sitzgelegenheit. So würde sich beispielsweise niemand auf Dauer mit einer Tastatur in der Hand durch den Raum bewegen. Was wäre also, wenn die Bewegung bereits teil der Eingabe wäre? Die Wiimote hat mit ihren eingebauten Bewegungssensoren diese Bedienungsart einem breitem Publi- kum zugänglich gemacht, so dass der erste Schritt bereits gemacht sein dürfte, die eigenen motorischen Fähigkeiten als Eingabemethode zu nutzen.
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.
Diese Arbeit beschreibt ein Referenzsystem,
welches die Trajektorie eines Modellfahrzeugs mithilfe einer
Deckenkamera ermittelt.
Hierbei wird die Position eines Fahrzeugs durch die Kombination
von mehreren Bildverarbeitungsverfahren bestimmt.
Anschließend erfolgt die Verbesserung der Messdaten sowie die
Schätzung von nicht direkt messbaren Größen mithilfe eines
Partikelfilters. Die abschließende Zuordnung der Referenzinformationen
zu den On-Board-Messwerten wird durch eine
Zeitsynchronisation zwischen Fahrzeug und Referenzsystem
ermöglicht.
Das entwickelte System stellt somit eine hochgenaue Vergleichsbasis
für die Validation und die Abschätzung der
Genauigkeit von Lokalisationsverfahren bereit und erleichtert
daher die Entwicklung autonomer Fahralgorithmen.