Objekterkennung mit Hokuyo LiDAR: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
| Zeile 63: | Zeile 63: | ||
== Weblinks == | == Weblinks == | ||
* [https://de.mathworks.com/help/fusion/examples/track-vehicles-using-lidar.html Track Vehicles Using Lidar: From Point Cloud to Track List] | * [https://de.mathworks.com/help/fusion/examples/track-vehicles-using-lidar.html Track Vehicles Using Lidar: From Point Cloud to Track List] | ||
* [https://de.mathworks.com/help/fusion/index.html?s_tid=CRUX_lftnav Sensor Fusion and Tracking Toolbox] | |||
* [https://de.mathworks.com/help/driving/perception-with-computer-vision-and-lidar.html Perception with Computer Vision and Lidar] | |||
* [https://de.mathworks.com/help/vision/lidar-and-point-cloud-processing.html Lidar and Point Cloud Processing] | |||
* [https://scholar.google.de/scholar?q=object+tracking+with+2D+lidar&hl=de&as_sdt=0&as_vis=1&oi=scholart Object Tracking with 2D LiDAR] | |||
* [https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja&uact=8&ved=2ahUKEwjvpevnpa7pAhUGC-wKHY-9B50QFjACegQIARAB&url=https%3A%2F%2Frepository.tudelft.nl%2Fislandora%2Fobject%2Fuuid%3Af536b829-42ae-41d5-968d-13bbaa4ec736%2Fdatastream%2FOBJ%2Fdownload&usg=AOvVaw3F9Qt8KyZERODYdSTdjeoF 3D-LIDAR Multi Object Tracking for Autonomous Driving] | |||
-------------------------- | -------------------------- | ||
→ zurück zum Hauptartikel: [[Praktikum_SDE|SDE Praktikum Autonomes Fahren]] | → zurück zum Hauptartikel: [[Praktikum_SDE|SDE Praktikum Autonomes Fahren]] | ||
Version vom 12. Mai 2020, 13:18 Uhr
Autoren: Ahmad Hassan und Alexander Schirrmeister
Einleitung
Die Gruppe Hassan/Schirrmeister bearbeiten im Sommersemester 2020 die Objekterkennung mit dem Hokuyo LiDAR. Aufgrund der aktuellen Lage rund um das Coronavirus erlaubt es nicht direkt mit dem Sensor zu arbeiten. Als Mittelweg werden hier bereits aufgezeichnete Messdaten zur Auswertung herangezogen. Aufgabe ist es anhand der vorliegenden Daten Objekte zu erkennen und zu verfolgen. Im ersten Schritt erfolgt die Auswertung der Arbeiten aus den Vorsemestern und einer Beurteilung des aktuellen Zustands der Aufgabe. Eine Auflistung von Meilensteinaufgaben ist unten ersichtlich.
- Einarbeitung in dier bestehende Software
- Softwareentwurf in MATLAB
- Meilenstein 1:
- Ansteuerung des Hokuyo LiDAR
- Koordinatentransformation polar- zu karthesisch
- Testdokumentation der KOS-Trafo
- Objektbildung (z.B. Sukzessiv Edge Following)
- Testdokumentation der Objektbildung
- Meilenstein 2:
- Objekttracking (mit Kalman-Filter)
- Testdokumentation des Objekttrackings
- Attribute schätzen: v, a, B, T, Güte (s. Schnittstellendokument)
- Testdokumentation der Attribute mit Referenz
- Dokumentation im Wiki
Anforderungen / Requirements
Fahrt auf Rundstrecke mit statischen Hindernissen
Unit-Tests
Ziele / Pflichten
Inhalt
Notizen
Bilder
Tabellen
Quelltext
Zusammenfassung
Ausblick
Offene Punkte
Literaturverzeichnis
Getting Started
- Recherchieren Sie die Schritte der Signalverarbeitungskette. Ergebnis: Signalflussplan
- Recherchieren Sie die Elemente/Blöcke des Signalflussplans. Ergebnis: Morphologischer Kasten
- Bewerten Sie die Ergebnisse Ihrer Recherche und legen Sie sich auf ein Vorgehensweise fest.
- Setzen Sie diese anhand Ihres Signalflussplans um.
- Testen Sie die Module.
- Testen Sie das System.
- Dokumentieren Sie fortlaufend Ihre Ergebnisse im Wiki/SVN.
Weblinks
- Track Vehicles Using Lidar: From Point Cloud to Track List
- Sensor Fusion and Tracking Toolbox
- Perception with Computer Vision and Lidar
- Lidar and Point Cloud Processing
- Object Tracking with 2D LiDAR
- 3D-LIDAR Multi Object Tracking for Autonomous Driving
→ zurück zum Hauptartikel: SDE Praktikum Autonomes Fahren