Kurs "Theorie der Sensorfusion" (Winter 2006/7)
Veranstalter
Dr. Udo Frese, PD Dr. Lutz Schröder
Wintersemester 2006/7
Veranstaltungskennziffer: 03-05-H-699.55 Kategorie V (ECTS: 6)
K4 SWS: Informatik und alle Studiengänge, die Informatikscheine akzeptieren Systems Engineering: Bereiche: Mechatronik, Robotik, Systems Engineering
Beschreibung
Die Bestimmung der Position, entweder der eigenen oder der fremder Objekte, ist eine Aufgabe, die über Jahrhunderte hinweg eine Herausforderung für Mathematiker, Ingenieure und Geodäten war und vielfältige Anwendungen in Schiff-, Luft- und Raumfahrt, Astronomie, Verkehrswesen, Logistik, Robotik oder sogar im Sport hat. Über die Zeit wurde zu diesem Zwecke eine Vielzahl von Sensoren entwickelt, die von Sextanten, Theodoliten bis hin zu satellitengestütztem GPS und Kameras mit nachgeschalteter Bildverarbeitung reicht.
Abstrahiert man von der technischen Realisierung ist allen Sensoren gemein, dass ihre Messwerte mit Fehlern behaftet sind und dass dieser Fehler je nach Sensor bei unterschiedlichen Aspekten der Position sehr verschieden gross sein kann. Beispielsweise kann die Position in verschiedenen Richtungen unterschiedlich genau sein oder die Positionsänderung während einer Bewegung kann genauer sein als die absolute Position. Die Vorlesung "Theorie der Sensorfusion" widmet sich der Frage, wie man die fehlerbehafteten Messwerte unterschiedlicher Sensoren so kombinieren kann, dass ein möglichst genaues Ergebnis entsteht. Sie entwickelt eine probabilistische Theorie, die erlaubt zu verstehen und im Rechner zu modellieren, welche Aspekte einer Größe wie genau sind. Daraus leitet sie als erstes zentrales Ergebnis den (Extended) Kalman Filter Algorithmus her, der die gewünschte optimale Verknüpfung leistet. Der zweite Teil der Vorlesung beschäftigt sich mit dem besonderen Problem der Schätzung der Lage (also Position und Orientierung ) eines Objektes. Er diskutiert die Darstellung durch homogene Matrizen und deren Einbindung in den Kalman Filter zur Schätzung der Lage.
Lernziele sind:
- Verständnis der Modellierung fehlerbehafteter Größen (Kovarianzmatrix, Gaussverteilung)
- Der (Extended/Unscented) Kalman Filter
- Die Fähigkeit, Ergebnisse aus der Theorie mit unmittelbarer Intuition zu verknüpfen, um für ein Szenario mit Sensoren abzuschätzen, welche Aspekte des Ergebnisses wie genau sein werden.
Teilnahme
Studierende der Informatik (Bereich Theorie), Digitale Medien und Systems Engineering (Bereiche Robotik, Mechatronik, Systems Engineering) im Hauptstudium.
Skript
Vom letzten Durchlauf der Veranstaltung gibt es ein Skript, das wir in diesem Durchlauf aktualisieren und weiter pflegen. Der Dank dafür geht an Christoph Hertzberg, Janosch Machowinski, Rene Wagner, und Pierre Willenbrock.
