Andere Kunden interessierten sich auch für
![LEGO®-Roboter bauen, steuern und programmieren mit Raspberry Pi und Python]( "LEGO®-Roboter bauen, steuern und programmieren mit Raspberry Pi und Python")
LEGO®-Roboter bauen, steuern und programmieren mit Raspberry Pi und Python10,00 €![Das vernetzte Heim]( "Das vernetzte Heim")
Das vernetzte Heim49,00 €![Semantic and Interactive Content-based Image Retrieval]( "Semantic and Interactive Content-based Image Retrieval")
Semantic and Interactive Content-based Image Retrieval105,48 €![Advanced data association techniques in multi-target tracking system]( "Advanced data association techniques in multi-target tracking system")
Advanced data association techniques in multi-target tracking system51,99 €![Development of Artificial Intelligence Based Real Time Maximum Power Point Tracking Controller for a Hybrid Renewable Energy System]( "Development of Artificial Intelligence Based Real Time Maximum Power Point Tracking Controller for a Hybrid Renewable Energy System")
Development of Artificial Intelligence Based Real Time Maximum Power Point Tracking Controller for a Hybrid Renewable Energy System30,99 €![An Efficient Eye Detection and Tracking System based on Particle Swarm]( "An Efficient Eye Detection and Tracking System based on Particle Swarm")
An Efficient Eye Detection and Tracking System based on Particle Swarm23,99 €![Computer system for transport management and cargo tracking]( "Computer system for transport management and cargo tracking")
Computer system for transport management and cargo tracking27,99 €
Die Arbeit beschäftigt sich mit der Initialisierung von Objekten in einem Multi-Sensor-Tracking-System. Es werden Messdaten eines Versuchsfahrzeuges ausgewertet, welches sowohl mit Sensoren zur Erfassung des Fahrzeugzustandes (Geschwindigkeit, Gierrate) als auch zur Beobachtung des Fahrzeugumfeldes (Laserscanner, Kameras) ausgerüstet ist. Für alle erfassten Objekte im Fahrzeugumfeld erfolgt eine Objektverfolgung (Tracking). Voraussetzung dafür ist die Zusammenführung aller verfügbaren Sensorinformationen. Für diese Multi-Sensor-Daten-Fusion wird der erweiterte Kalman-Filter eingesetzt. Um die Verwendung adäquater Tracking-Modelle sicherzustellen, ist es erforderlich, dass der Objekttyp und der Zustand zuverlässig identifiziert werden kann. Dazu werden Merkmalmodelle für verschiedene Objekttypen definiert, auf deren Basis die Identifizierung von Objekttyp und -zustand erfolgt.