Kursinformation

Lehrinhalte
[list]
[*]Geschichte des automatisierten Fahrens
[*]Terminologie und Wege zum automatisierten Fahren
[*]Architekturen, Bausteine und Komponenten
[*]Wahrnehmung und Umfeldmodelle
[*]Datenfusion & Zustandsschätzung
[list]
[*]Vertiefung: Target Tracking & Verkehrsteilnehmerfusion
[*]Vertiefung: Grid Fusion & Freiraumschätzung
[*]Vertiefung: Straßenmodellfusion
[/list]
[*]Lokalisierung, digitale Karten und Fahrzeug-zu-X Kommunikation
[*]Situationsverständnis, Prädiktion und Kritikalitätsbewertung
[list]
[*]Vertiefung: Probabilistische Fahrmanövererkennung
[/list]
[*]Verhaltens- und Trajektorienplanung, Entscheidungsfindung
[*]Softwareentwicklung & Test
[*]Offene Herausforderungen & aktuelle Forschungsthemen
[/list]

Literatur
Eigene Vorlesungsfolien werden vor jeder Einheit verteilt. Für detailliertere Einblicke in das Themenfeld sind die folgenden Bücher empfehlenswert:
[list]
[*]Eskandarian, A.: Handbook of Intelligent Vehicles. Springer, London, 2012.
[*]Siciliano, B.; Khatib, O.: Springer Handbook of Robotics. 2[sup]nd[/sup] Edition, Springer, Berlin Heidelberg 2016.
[*]Thrun, S.; Burgard, W.; Fox, D.: Probabilistic Robotics. Intelligent Robotics and Autonomous Agents. The MIT Press, Cambridge, 2006.
[*]Watzenig, D.; Horn, M.: Automated Driving. Safer and More Efficient Future Driving. Springer, Switzerland, 2017.
[*]Winner, H. et al.: Handbook of Driver Assistance Systems. Basic Information, Components and Systems for Active Safety and Comfort. Springer, Switzerland, 2016.
[/list]

Voraussetzungen
Grundlegende Kenntnisse in linearer Algebra, Wahrscheinlichkeitsrechnung und Zustandsraumdarstellung

Online-Angebote
moodle