Termine
- 25.10.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 08.11.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 15.11.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 22.11.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 29.11.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 06.12.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 13.12.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 20.12.2022 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 10.01.2023 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 17.01.2023 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 24.01.2023 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 31.01.2023 14:00-15:00 Online: Videokonferenz / Zoom etc.
- 07.02.2023 14:00-15:00 Online: Videokonferenz / Zoom etc.
Teilnahmekriterien
Lernziele
Nach der Teilnahme am Modul haben die Studierenden einen umfassenden Überblick über die Softwaremodule und weiterführende essentielle Bestandteile einer Software für das autonomen Fahren aufgeteilt in einzelne Softwaremodule. Die Studierenden sind in der Lage für jedes Softwaremodul das passende Verfahren aus dem Stand der Technik auszuwählen und anzuwenden und verfügen über ein tiefgehendes Verständnis der Funktionsweise. Darüber hinaus haben die Studierenden die Fähigkeit den zugehörigen Code zu applizieren und dessen Funktionalität zu interpretieren und weiterzuentwickeln. Weiterführende essentielle Bestandteile der Softwareentwicklung können die Studierenden beschreiben und sie zweckbestimmt auf die jeweilige Problemstellung anwenden.
Beschreibung
In der Vorlesung werden alle relevanten Aspekte rund um die Softwareentwicklung für das autonome Fahren behandelt und die zugehörige praktische Anwendung aufgezeigt.
1. Introduction
Historischer Rückblick, Ebenen der Fahraufgabe, Automatisierungsgrad, Fahrzeugkommunikation, Middleware
2. Perception I: Mapping
SLAM, HD-Maps
3. Perception II: Localization
GPS, Filter, Visuelle Lokalisierung
4. Perception III: Object Detection
Datensätze, Objekttypen, Kamera, Lidar, Radar Detection, Sensorfusion
5. Prediction
Ebenen der Prädiktion, Bezug zu Planning, Planungs- & Musterbasierte Methoden
6. Planning I: Global Path Planning
Navigationsaufgabe, Suchmethoden
7. Planning II: Local Path and Behavior Planning
Kostenfunktion, Entscheidungsfunktion, Trajektoriengenerierung
8. Control
Regelgrößen, klassische Regler, MPC
9. Integrated Modules & End-to-End
Motivation, Learning from Demonstration, integrale Module
10. Teleoperated Driving
Notwendigkeit, Konzept, Verbindungsaufbau, Nutzeranfoderungen
11. Safety Assessment
Szenarientests, Virtuelle Absicherung, Supervisor Prinzip
12. Human Factors
Nutzeranforderung, Fahrkomfort User Experience, Akzeptanz
Inhaltliche Voraussetzungen
Besuch der Vorlesungen Grundlagen der Fahrzeugtechnik, Künstliche Intelligenz in der Fahrzeugtechnik, Fahrerassistenzsysteme im Kraftfahrzeug, Dynamik der Straßenfahrzeuge oder jeweils ähnlicher Veranstaltungen werden stark empfohlen, um der Bandbreite an Inhalten folgen zu können. Kenntnisse in der Programmierung mit der Programmiersprache Python notwendig und Voraussetzung zum Verständnis der in der Vorlesung und in der Übung durchgeführten Code-Beispiele. Empfohlen wird ein Online Kurs für Python bspw. bei learnpython.org (https://www.learnpython.org/)
Lehr- und Lernmethoden
In der Vorlesung werden die theoretischen Grundlagen mittels Vortrag und Präsentation vermittelt. Dabei werden mittels Tablet-PC komplexere Sachverhalte hergeleitet und illustriert. Während der Vorlesung werden explizit Fragen gestellt, die eine Transferleistung von den Studierenden erwarten und bei denen die Studierenden die Möglichkeit bekommen sich zu Wort zu melden und eine etwaige Lösung zu diskutieren. Damit soll der Überblick über die Methoden der einzelnen Softwaremodule für Autonomes Fahren vertieft werden und der Transfer zum Anwenden auf weitere Problemstellungen erreicht werden. Ebenfalls werden in der Vorlesung Codebeispiele erläutert, die von den Studierenden aktiv mit programmiert werden können. Diese Codebeispiele stellen die praktische Umsetzung zuvor eingeführte Methoden dar und verknüpfen Theorie und Praxis, um den Studierenden den Softwareentwicklungsprozess ganzheitlich zu vermitteln. Nach jeder Vorlesungseinheit werden entsprechende Lern- und Programmieraufgaben in Form einer Hausaufgabe den Studierenden übergeben, die die Thematik der Lerneinheit behandeln und als Vorbereitung für die Prüfung dienen. Zum Beispiel ist SLAM-Algorithmus in Kapitel 2 zu initialisieren oder in Kapitel 7 sind die Parameter einer Kostenfunktion zur Trajektorienplanung zu optimieren. Die Programmieraufgaben knüpfen an die Inhalte des Moduls an und stärken die Fähigkeiten zur praktischen Anwendung und Bewertung.
Für die Beantwortung von Fragen zu den Einzelterminen und Hausaufgaben wird eine wöchentliche Online-Sprechstunde angeboten (Bekanntgabe des Termins über Moodle).
Studien-, Prüfungsleistung
In einer schriftlichen Klausur (Bearbeitungsdauer 90 min) sind die vermittelten Kompetenzen auf die Problemstellungen der funktionalen Module für autonomes Fahren anzuwenden und auf weiterführende Aufgabenstellungen zu übertragen. Die Studierenden sollen in der Klausur beispielsweise aus dem Gebiet der Pfadplanung entsprechende Methoden und Algorithmen auswählen und anschließend deren Funktionalität erklären können. Des Weiteren soll der Übertrag auf neue weiteführende komplexere Problemstellungen erfolgen.
Erlaubtes Hilfsmittel ist hierbei der Taschenrechner (nicht-programmierbar).
Durch die nach der Vorlesung gestellte Hausaufgabe kann bei Abgabe von 50.00 % richtigen Ergebnissen (berechnet aus dem Durchschnittswert aus den erzielten Prozentpunkten über alle Hausaufgaben) ein Notenbonus gemäß APSO §5, Absatz 5 für die Klausur erzielt werden.
Empfohlene Literatur
J. Betz et al., “A Software Architecture for an Autonomous Racecar,” in 2019 IEEE 89th Vehicular Technology Conference (VTC2019-Spring), 2019, pp. 1–6. J. Betz et al., “A Software Architecture for the Dynamic Path Planning of an Autonomous Racecar at the Limits of Handling,” in 2019 IEEE International Conference on Connected Vehicles and Expo (ICCVE), 2019, pp. 1–8. S. Pendleton et al., “Perception, Planning, Control, and Coordination for Autonomous Vehicles,” Machines, vol. 5, no. 1, p. 6, 2017, doi: 10.3390/machines5010006. M. Maurer, B. Lenz, H. Winner, and J. C. Gerdes, Autonomous Driving: Technical, Legal and Social Aspects. s.l.: Springer, 2016. M. H. Daniel Watzenig, Ed., Automated Driving: Springer International Publishing, 2017. A. Faisal, T. Yigitcanlar, M. Kamruzzaman, and G. Currie, “Understanding autonomous vehicles: A systematic literature review on capability, impact, planning and policy,” JTLU, vol. 12, no. 1, 2019, doi: 10.5198/jtlu.2019.1405.
Links