 Computer Vision I (4V+2Ü) (B,C) [B4]
Di, Do 9-11, HS A207 (Prof. Dr. Daniel Cremers)
Übungen: Mi 11-13, R A106 (Prof. Dr. D. Cremers, Thomas Schoenemann)
 Grundlagen der digitalen Signalverarbeitung (4V+2Ü) [B2]
Mi, Fr 9-11, HS1 (Prof. Michael Clausen)
Übungen: Fr 11-13, HS A, SR A121 (Prof. Michael Clausen)
|
Vorlesung (Hauptstudium)
Einführung in die Sensordatenfusion: Methoden und Anwendungen
Dr. Wolfgang Koch
In vielen technischen Anwendungen werden Sensorsysteme eingesetzt (z.B. Radar, elektrooptische Sensoren, Laser-Scanner, Mikrophone, Chemosensoren), die relevante Messgrößen verschiedenartiger stationärer oder bewegter Objekte erfassen. Durch "Sensordatenfusion", ein Anwendungsfach zwischen Informatik, angewandter Statistik und Ingenieurswissenschaften, wird die optimale Auswertung der in zeitlicher Folge einströmenden Sensordaten angestrebt. Von besonderem Interesse ist die Gewinnung solcher Information, die durch die Messdaten nicht unmittelbar gegeben ist, sondern durch statistische Methoden, Modellbildung und Kontextinformation erschlossen werden muss. Mit Bezug auf reale Anwendungen werden grundlegende Begriffe und Lösungsmethoden erarbeitet, aus denen sich leistungsfähige Verarbeitungsalgorithmen ergeben.
Es besteht die Möglichkeit einer Diplomarbeit im FGAN - Forschungsinstitut für Kommunikation, Informationsverarbeitung und Ergonomie (FGAN-FKIE, Abt. SDF, www.fgan.de) und/oder einer Tätigkeit als studentische Hilfskraft.
Gliederung: (1) Zielsetzung, Konzepte, Beispiele. (2) Mathematische Hilfsmittel. (3) Modelle: Sensoren, Zielobjekte, Umgebung. (4) Grundbegriffe: Filterung, Retrodiktion, Extraktion. (5) Moderne Filterungsalgorithmen. (6) Datenzuordung: Expectation Maximization. (7) Sequentielle Monte-Carlo-Verfahren: Particle Filter. (8) Adaptive Modellbildung: Hidden Markov Models. (9) Sensornetze: Elemente der Multisensorfusion. (10) Anwendungen: Air Traffic Control, Navigation, Robotik, Personenüberwachung. (11) Sensorsteuerung: Rückwirkung auf den Messprozess.
Übung: Anhand ausgewählter Beispiele wird der Vorlesungsstoff vertieft. Dazu sind Übungsaufgaben zu lösen und kleinere Programme zu scheiben.
| Zeit, Ort | Mi 15-17, HS A121 |
| Semesterwochenstunden | 2V + 1Ü |
| Beginn | 17.10.2007 |
| Übungen | Mi 17-18, HS A121 (Dr. Wolfgang Koch) |
| Vortragsmodus | Die aktuellen Vorlesungsunterlagen werden via Email vor jeder Veranstaltung an die Hörer verschickt. |
| Voraussetzungen | Vordiplom, Bachelor (Informatik, Mathematik, Physik); Vorkenntnisse in Wahrscheinlichkeitstheorie und Statistik sind nützlich, aber nicht Voraussetzung. | | Nachfolgeveranstaltungen | Die Veranstaltung kann bei Interesse im Sommersemester unter dem Titel "Multisensordatenfusion: Ausgewählte Kapitel" fortgesetzt werden. |
| Bereich (alte DPO) | B,C |
| Bereich (neue DPO) | B |
| Prüfungsmöglichkeiten | 4 LP (Teilnahme an Übungen, Prüfungsgespräch) |
| Email-Kontakt | w.koch@fgan.de |
| Literatur | (1) Bar-Shalom, Y., Li, X.-R., Kirubarajan, T.: Estimation with Applications to Tracking and Navigation, Wiley, 2001. (2) Blackman, S., Popoli, R.: Design and Analysis of Modern Tracking Systems, Artech House, 1999. (3) Ristic, B., Gordon, N.: Beyond Kalman Filtering, Artech House, 2004. (4) Hall, D.L., Llinas, J. (Eds.): Handbook of Multisensor Data Fusion, CRC Press, 2001. (5) Koch, W.: Target Tracking, in Stergiopoulos (Ed.): Advanced Signal Processing Handbook: Theory and Implementation for Radar, Sonar, and Medical Imaging Systems, CRC Press, 2000. |
|
Übersicht: alle Semester