Kurs "Theorie der Sensorfusion" (Winter 2008/9)

Veranstalter

Prof. Dr. Udo Frese, PD Dr. Lutz Schröder

Wintersemester 2008/9

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.

Lernziele sind:

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.

Theorie der Sensorfusion Skript 2010

Inhalt

Vorläufige Terminplanung (V=Vorlesung, Ü=Übung).

Erweiterte Aufgabe (nicht prüfungsrelevant): Fliegender Kohlenkarren mit visuellen Marken

Literatur

[1]

U. Frese, L. Schröder

Merkzettel mathematische Grundlagen (im Skript)

Grundlagen in Statistik und Linearer Algebra

[2]

S. Thrun, W. Burgard, D. Fox

Probabilistic Robotics

Generelle Referenz, Sensorfusion, aber nicht 3D

[3]

Hafner

Wahrscheinlichkeitsrechnung und Statistik

Statistische Grundlagen, nicht die eigentliche Sensorfusion

[4]

D. Kehlmann

Die Vermessung der Welt

Unterhaltung um Gauss & Humboldt

[5]

S. Thrun, W. Burgard, D. Fox

Probabilistic Robotics - Web Site

Abbildungen, Videos, etc. aus dem gleichnamigen Buch.

[6]

S. Thrun, W. Burgard, D. Fox

Probabilistic Robotics - Kalman Filter Slides

Erklärung von KF, EKF, UKF. Grosse Teile des Vorlesungsstoff in Kurzform. Sehr gute Ergänzung.

[7]

U. Krengel

Einführung in die Wahrscheinlichkeitsrechnung und Statistik

Statistische Grundlagen, nicht die eigentliche Sensorfusion

[8]

C. Hertzberg, J. Machowinski, R. Wagner, P. Willenbrock, U. Frese, L. Schröder

Skript Theorie der Sensorfusion 2006

Die Vorlesung mitgetext.

[9]

W.H. Press, S.A. Teukolsky, W.T. Vetterling, B.P. Flannery

Numerical Recipes in C, Second Edition

Mehrdimensionale quadratische Ausgleichsrechnung, keine * Kalman Filter

[10]

Richard Hartley and Andrew Zisserman

Multiple View Geometry

Projektive Geometry, 3D Koordinatentransformationen, Generell: Geometrische Auswertung von Bildverarbeitungsergebnissen