Bewegungsplanung autonomer Fahrzeuge
Fakultät für Informatik und Mathematik ©
Name Bewegungsplanung autonomer Fahrzeuge
Verantwortlich Prof. Dr. Martin Orehek
SWS 4
ECTS 5
Sprache(n) Deutsch
Englisch
Lehrform SU mit Praktikum
Angebot im Wechsel mit anderen Fächern der gleichen Fachgruppe
Aufwand

30 Präsenzstunden Vorlesung, 30 Präsenzstunden Praktikum, 45 Stunden Vor-/Nachbereitung des Praktikums, 45 Stunden Nachbereitung der Vorlesung und Prüfungsvorbereitung

Voraussetzungen

Gute Programmierkenntnisse, Python, Softwareentwicklungsmethoden, erste Kenntnisse in der Robotik; Soft-Skills: selbstmotiviert, kreativ, in der Lage als Teil eines Teams zu arbeiten.

Ziele

Die Studierenden sind in der Lage die Funktionsweise (Umfelderfassung, Entscheidungsfindung und Bewegungsplanung) von autonomen Fahrzeugen wiederzugeben. Zudem können sie einfache Bewegungsplanung-Algorithmen erklären und diese implementieren.

Inhalt

Autonome Fahrzeuge sind die nächste große Revolution im Mobilitätssektor und bieten viele Vorteile, wie zum Beispiel einen höheren Komfort für Passagiere, eine verbesserte Sicherheit und eine bessere Auslastung der Straßeninfrastruktur. Die Entwicklung von autonomen Fahrzeugen ist jedoch eine große Herausforderung, da ihre Sicherheit in jeder möglichen Verkehrssituation sichergestellt werden muss.

In diesem praktischen Kurs werden die Studierenden die Funktionsweisen und Algorithmen von autonomen Fahrzeugen kennenlernen. Sie werden verstehen wie autonome Fahrzeuge ihre Umgebung durch Sensoren wahrnehmen, Entscheidungen in verschiedenen Verkehrssituationen treffen und Bewegungen planen und ausführen. Der Schwerpunkt dieses Kurses liegt auf der Bewegungsplanung. Dabei werden alle Schritte behandelt, die zum Planen von kollisionsfreien Bewegungen notwendig sind. Die Theorie wird dabei von praktischen Übungen in Python mit dem CommonRoad Framework begleitet. Dazu werden die Studierenden einfache Bewegungsplanungs-Algorithmen selber implementieren und mit diesen bestehende Planungsprobleme lösen. Anschließend werden sie in Gruppen verschiedene Entwicklungsaufgaben in agiler Weise durchführen, ihre Projektergebnisse anderen Gruppen präsentieren und lernen wie man getesteten und gut dokumentierten Code erzeugt.

Am Ende der Veranstaltung werden Sie in der Lage sein:

  • die Aufgaben der Umfelderfassung und verschiedenen Planungsschichten aufzuzählen,

  • die Bewegungsplanung von autonomen Fahrzeugen zu beschreiben,

  • Bewegungsplanungsprobleme zu erklären,

  • einfache Bewegungsplanungs-Algorithmen zu beschreiben und diese zu implementieren,

  • qualitativ hochwertigen Python Code zu erzeugen und das CommonRoad Framework zu verwenden, und

  • das gelernte Wissen auf Planungsprobleme von autonomen Fahrzeugen anzuwenden.

Medien und Methoden

Vorlesung: White-Board, Tafel, Folien, Rechnerübungen

Literatur

P. Norvig and S. Russell: Artificial Intelligence: A Modern Approach, Prentice Hall, 3rd edition. (English version) P. Norvig and S. Russell: Künstliche Intelligenz: Ein moderner Ansatz, Pearson Studium, 3. Auflage. (German version) W. Ertel: Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung, Springer, 3. Auflage. S. LaValle: Planning Algorithms, Cambridge University Press, 1. Auflage

Zuordnungen Curricula
SPO Fachgruppe Code ab Semester Prüfungsleistungen
IF Version 2019 FWP 4 Modularbeit
Präsentation
IF Version 2012 FWP 4 benotete Studienarbeit (40%)
benotete mündliche Prüfung (60%)
IC Version 2012 WPF Weitere Anwendungen 4 benotete Studienarbeit (40%)
benotete mündliche Prüfung (60%)
IC Version 2017 WPF Weitere Anwendungen 4 benotete Studienarbeit (40%)
benotete mündliche Prüfung (60%)
IC Version 2019 WPF Weitere Anwendungen 4 Modularbeit
Präsentation