Hochschule Darmstadt - Fb Informatik

Drucken| Layout| Design| Schriftgröße English|
Modulbeschreibung
Modul:Autonome mobile Systeme

Autonomous mobile systems

Belegnummern:41.5014 [PVL 41.5015]
Sprache:deutsch
Zuordnung:Dualer Master 2013 - Katalog AS: Anwendungs- und systemorientierte Module
Dualer Master 2013 - Vertiefung TG: Technische und Graphische Systeme
Master 2013 - Katalog AS: Anwendungs- und systemorientierte Module
Master 2013 - Vertiefung TG: Technische und Graphische Systeme
Master 2006 - Katalog AS: Anwendungs- und systemorientierte Module
Master 2006 - Vertiefung TS: Technische Systeme
Lehrform:V+S+P = Vorlesung+Seminar+Praktikum
SWS:2+1+1
CP:6
Prüfung:Klausur
Anmeldung zur Prüfung:explizit und unabhängig von der Belegung
PVL (z.B. Praktikum):unbenotet (unbenotet (unbenotete Praktikums-Aufgaben inkl. Ausarbeitung und unbenoteter Fachvortrag))
Häufigkeit des Angebots:jährlich (zuletzt im WS 2019/2020)
Erforderliche Vorkenntnisse:Grundlagen der technischen Informatik und der graphischen Datenverarbeitung auf Bachelorniveau
Lernziele:Die Studierenden:
  • können erklären wie autonome Systeme aufgebaut sind
  • können geeignete Sensordaten für gegebene Anforderungen identifizieren und geeignete Datenaufbereitungsschritte implementieren
  • können erklären, wie Filtertechniken zur Positionsbestimmung angewendet werden
  • verstehen die Prinzipien der Fusion von Sensordaten, welche bei autonomen Systemen einsetzt werden
  • verstehen die Prinzipien von Algorithmen zur Lokalisierung, welche bei autonomen Systemen einsetzt werden
  • können geeignete Algorithmen für Autonome Systeme auswählen und anwenden
  • können Systeme erstellen, die sich in unbekanntem und bekanntem Terrain bewegen können
  • können erklären, wie eine Koordination von mehreren autonomen Systemen implementiert werden kann
Lehrinhalte:
  • Einführung in Aufbau und Funktion von autonomen Systemen (z.B. Autos/Rover, Multicopter), sowie deren Steuerelektronik.
  • Sensorik & Verarbeitung von Sensordaten
  • State Estimation & System Control
  • Visual Motion Estimation & Structure from Motion
  • RANSAC- (Random Sample Consensus), SLAM- (Simultaneous Localization and Mapping) und ICP- (Iterative Closest Point) Algorithmen
Literatur:Probabilistic Robotics. Sebastian Thrun, Wolfram Burgard and Dieter Fox.
MIT Press, 2005
Computer Vision: Algorithms and Applications. Richard Szeliski.
Springer, 2010.
Arbeitsformen / Hilfsmittel:Seminaristische Vorlesung, Praktikum und Seminar
Skript, ergänzende Beispiele und Übungen, Software zur Simulation
Modulverantwortung:Stefan Rapp
Freigabe ab:SS 2017
Angebot im WS 19/20:Gimbel

[Fachbereich Informatik] [Hochschule Darmstadt]
© 2008 - 2019 FBI OBS Team. Alle Rechte vorbehalten.