En savoir plus
Signalverarbeitung und maschinelles Lernen für das automatisierte FahrenDieses Buch behandelt Methoden der Signalverarbeitung und des maschinellen Lernens, die in der integralen Fahrzeugsicherheit und für das automatisierte Fahren benötigt werden. Es vermittelt die mathematischen Grundlagen, um eigene Algorithmen für automatisierte Eingriffe in die Fahrzeugführung zu entwerfen und zu implementieren. Das Buch wendet sich an Ingenieure/-innen aus dem Bereich Automotive sowie an Studierende und Promovierende der Ingenieurwissenschaften.Folgende Themen werden behandelt:- Maschinelles Lernen (inklusive Deep Learning): Grundlagen und Anwendungen für das automatisierte Fahren, Convolutional Neural Networks, Random Forest, Autoencoder- Statistische Signalverarbeitung: Grundlagen der statistischen Filterung sowie Tracking von Objekten in der Fahrzeugumgebung, Kalman-Filter, Fusion von Sensordaten- Fahrzeugmodelle und Trajektorien: Fahrdynamikmodelle für die aktive Fahrzeugsicherheit und das automatisierte Fahren, Trajektorienplanung und Trajektorienfolgeregler, Kollisionsmodelle für die passive Fahrzeugsicherheit- Zeit- und Frequenzdarstellung von Signalen (z. B. Filterung von Beschleunigungssignalen in Airbag-Steuergeräten)- Mathematische Grundlagen für den Entwurf von Algorithmen: Lineare Algebra, Optimierung, Wahrscheinlichkeitstheorie und Lineare SystemeDie einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen veranschaulicht. Für Übungsaufgaben, bei denen es erforderlich ist, werden Matlab-Skripte zur Verfügung gestellt.
A propos de l'auteur
Prof. Dr.-Ing. Michael Botsch ist Professor für Fahrzeugsicherheit und Signalverarbeitung an der Technischen Hochschule Ingolstadt. Zuvor war er als Entwicklungsingenieur im Bereich der integralen Fahrzeugsicherheit bei der AUDI AG tätig. Er vertritt in Forschung und Lehre Methoden der Signalverarbeitung und des maschinellen Lernens in Automotive-Anwendungen.
Résumé
Signalverarbeitung und maschinelles Lernen für das automatisierte Fahren
Dieses Buch behandelt Methoden der Signalverarbeitung und des maschinellen Lernens, die in der integralen Fahrzeugsicherheit und für das automatisierte Fahren benötigt werden. Es vermittelt die mathematischen Grundlagen, um eigene Algorithmen für automatisierte Eingriffe in die Fahrzeugführung zu entwerfen und zu implementieren. Das Buch wendet sich an Ingenieure/-innen aus dem Bereich Automotive sowie an Studierende und Promovierende der Ingenieurwissenschaften.
Folgende Themen werden behandelt:
- Maschinelles Lernen (inklusive Deep Learning): Grundlagen und Anwendungen für das automatisierte Fahren, Convolutional Neural Networks, Random Forest, Autoencoder
- Statistische Signalverarbeitung: Grundlagen der statistischen Filterung sowie Tracking von Objekten in der Fahrzeugumgebung, Kalman-Filter, Fusion von Sensordaten
- Fahrzeugmodelle und Trajektorien: Fahrdynamikmodelle für die aktive Fahrzeugsicherheit und das automatisierte Fahren, Trajektorienplanung und Trajektorienfolgeregler, Kollisionsmodelle für die passive Fahrzeugsicherheit
- Zeit- und Frequenzdarstellung von Signalen (z. B. Filterung von Beschleunigungssignalen in Airbag-Steuergeräten)
- Mathematische Grundlagen für den Entwurf von Algorithmen: Lineare Algebra, Optimierung, Wahrscheinlichkeitstheorie und Lineare Systeme
Die einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen veranschaulicht. Für Übungsaufgaben, bei denen es erforderlich ist, werden Matlab-Skripte zur Verfügung gestellt.
Texte suppl.
"Grundlagen der Signalverarbeitung und Mathematik, die für das Verständnis und die Auslegung von Algorithmen für das automatisierte Fahren und die Fahrzeugsicherheit unerlässlich sind, werden erklärt und vertieft. Anschließend werden Fahrzeugmodelle vorgestellt, die sich zur Modellierung des Fahrverhaltens eignen [...] Ausgehend von den Fahrzeugmodellen skizzieren die Experten dann Verfahren der Signalverarbeitung für Zustandschätzung von Fahrzeugen und Objekten im Fahrzeugumfeld, die einen zentralen Bestandteil von Trackingverfahren und Sensordatenfusionsmethoden darstellen." atz Autombobiltechnische Zeitung, September 2020
"Das Buch wendet sich an Ingenieure/-innen aus dem Bereich Automotive sowie Studierende und Promovierende der Ingenieurwissenschaften. Die einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen veranschaulicht." Hanser automotive, September 2020
Commentaire
"Grundlagen der Signalverarbeitung und Mathematik, die für das Verständnis und die Auslegung von Algorithmen für das automatisierte Fahren und die Fahrzeugsicherheit unerlässlich sind, werden erklärt und vertieft. Anschließend werden Fahrzeugmodelle vorgestellt, die sich zur Modellierung des Fahrverhaltens eignen [...] Ausgehend von den Fahrzeugmodellen skizzieren die Experten dann Verfahren der Signalverarbeitung für Zustandschätzung von Fahrzeugen und Objekten im Fahrzeugumfeld, die einen zentralen Bestandteil von Trackingverfahren und Sensordatenfusionsmethoden darstellen." atz Autombobiltechnische Zeitung, September 2020 "Das Buch wendet sich an Ingenieure/-innen aus dem Bereich Automotive sowie Studierende und Promovierende der Ingenieurwissenschaften. Die einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen veranschaulicht." Hanser automotive, September 2020
