Website
Modulhandbuch (ab WS 2019/20)

Modul RO5500-KP12

Autonomous Vehicles (AVS)

Dauer:


2 Semester
Angebotsturnus:


Jedes Wintersemester beginnend
Leistungspunkte:


12
Studiengang, Fachgebiet und Fachsemester:
  • Master Robotics and Autonomous Systems 2019 (Vertiefung), Vertiefung, 1. und 2. Fachsemester
Lehrveranstaltungen:
  • RO5500-S: Technology of Autonomous Vehicles (Seminar, 2 SWS)
  • RO5502-Ü: Perception for Autonomous Vehicles (Übung, 2 SWS)
  • RO5502-V: Perception for Autonomous Vehicles (Vorlesung, 2 SWS)
  • RO5500-Ü: Vehicle Dynamics and Control (Übung, 2 SWS)
  • RO5500-V: Vehicle Dynamics and Control (Vorlesung, 2 SWS)
Workload:
  • 60 Stunden Prüfungsvorbereitung
  • 220 Stunden Selbststudium
  • 80 Stunden Präsenzstudium
Lehrinhalte:
  • Lehrinhalte der Veranstaltung Vehicle Dynamics and Control:
  • Wiederholung Regelungstechnik und Festkörpermechanik
  • Grundlegende Begriffe der Fahrdynamik
  • Wichtige Fahrdynamikmodelle (longitudinale, laterale und vertikale Dynamik)
  • Modellierung zentraler Komponenten (Motor, Getriebe, Bremse, Lenkung)
  • Reifenmodelle
  • Stabilitätsanalyse
  • Fahreigenschaften
  • Aktive Sicherheitssysteme
  • Autonomes Fahren
  • Lehrinhalte der Veranstaltung Perception for Autonomous Driving:
  • Architektur autonom fahrender Systeme
  • Tracking, Erkennung, Klassifizierung
  • Modelle stochastischer Signale
  • Transformationsbasierte Analyse stochastischer Signale
  • Systemtheorie
  • Parameterschätzung
  • Lineare optimale Filter und adaptive Filter
  • Graphische Modelle und dynamische Bayes Netze
  • Neuronale Netze
  • Hidden Markov Modelle, Kalman Filter, Partikel Filter, etc.
  • Anwendungen im Bereich des autonomen Fahrens
  • Lehrinhalte des Seminars Current Topics in Autonomous Vehicles:
  • Aktuelle Algorithmen aus maschinellem Lernen und künstlicher Intelligenz zum Thema autonomes Fahren
Qualifikationsziele/Kompetenzen:
  • Lernziele der Veranstaltung Vehicle Dynamics and Control:
  • Die Studierenden besitzen einen Überblick über grundlegende Begriffe und Konzepte der Fahrdynamik.
  • Die Studierenden entwickeln ein vertieftes Verständnis der Dynamik von Kraftfahrzeugen.
  • Die Studierenden verstehen den Zweck und die Ziele von Fahrdynamikreglern.
  • Die Studierenden können Modelle für den Entwurf von Fahrdynamikreglern herleiten.
  • Die Studierenden können grundlegende Konzepte der Regelungstechnik auf Fahrdynamikprobleme anwenden.
  • Die Studierenden haben einen groben Überblick über den derzeitigen Stand aktiver Sicherheitssysteme, Fahrerassistenzsysteme und autonomes Fahren.
  • Die Studierenden werden in die Lage versetzt, unabhängige Forschungs- und Entwicklungsarbeit in diesem Gebiet aufzunehmen und die wissenschaftliche Literatur zu lesen.
  • Lernziele der Veranstaltung Perception for Autonomous Driving:
  • Die Studierenden erhalten einen Überblick über autonom fahrende Systeme.
  • Die Studierenden lernen den Perception Layer in der Architektur von autonom fahrenden Systemen umfassend kennen.
  • Die Studierenden erhalten eine umfassende Einführung in stochastische Signale.
  • Die Studierenden beherrschen die Werkzeuge für die Analyse stochastischer Signale.
  • Die Studierenden können verschiedene Modelle für stochastische Signale verwenden.
  • Die Studierenden können Tracking Algorithmen entwerfen.
  • Die Studierenden können algorithmische Lösungen für Entscheidungsprobleme unter Berücksichtigung von Vorinformation entwerfen.
  • Lernziele des Seminars Current Topics in Autonomous Vehicles:
  • Die Studierenden können aktuelle wissenschaftliche Literatur recherchieren und verstehen.
  • Die Studierenden können aktuelle Algorithmen aus wissenschaftlicher Literatur nachbilden und evaluieren.
  • Die Studierenden können Ergebnisse aus aktueller wissenschaftlicher Literatur reproduzieren, erweitern und publikumsgerecht präsentieren.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Setzt voraus:
Modulverantwortlicher:
  • Prof. Dr. Georg Schildbach
Lehrende:
  • Prof. Dr. Georg Schildbach
  • PD Dr.-Ing. habil. Alexandru Paul Condurache
Literatur:
  • Rajamani, R: Vehicle Dynamics and Control (2nd edition) - Springer, 2012, ISBN 978-1-4614-1432-2
  • Mitschke, M; Wallentowitz, H.: Dynamik der Kraftfahrzeuge (5th edition) - Springer, 2014 (ISBN: 978-3-658-05067-2)
  • Charles W. Therrien: Decision estimation and classification - J. Wiley and Sons, 1991.
  • Simon Haykin: Adaptive Filter Theory - Prentice Hall, 1996
  • Christopher M. Bishop: Pattern recognition and machine learning - Springer, 2006
  • A. Mertins: Signaltheorie: Grundlagen der Signalbeschreibung, Filterbänke, Wavelets, Zeit-Frequenz-Analyse, Parameter- und Signalschätzung - Springer-Vieweg, 3. Auflage, 2013
Sprache:
  • Wird nur auf Englisch angeboten
Bemerkungen:

Modulprüfung(en):
RO5500-L1 Vehicle Dynamics and Control; Klausur; benotet; 50% der Modulnote
RO5500-L2 Perception for Autonomous Vehicles; Klausur; benotet; 50% der Modulnote
RO5500-L3 Technology of Autonomous Vehicles; Seminar; unbenotet; 0% der Modulnote

Zulassungsvoraussetzungen zum Modul:
- Keine (Die Kompetenzen der vorausgesetzten Module werden für dieses Modul benötigt, die Module stellen aber keine
Zulassungsvoraussetzung dar.)

Zulassungsvoraussetzungen zur Prüfung:
- Erfolgreiche Bearbeitung von Übungsaufgaben während des Semesters

Letzte Änderung:
15.12.2019