Signalverarbeitung und maschinelles Lernen für das automatisierte Fahren Dieses Buch behandelt
Methoden der Signalverarbeitung und des maschinellen Lernens die in der integralen
Fahrzeugsicherheit und für das automatisierte Fahren benötigt werden. Es vermittelt die
mathematischen Grundlagen um eigene Algorithmen für automatisierte Eingriffe in die
Fahrzeugführung zu entwerfen und zu implementieren. Das Buch wendet sich an Ingenieure -innen
aus dem Bereich Automotive sowie an Studierende und Promovierende der Ingenieurwissenschaften.
Folgende Themen werden behandelt: - Maschinelles Lernen (inklusive Deep Learning): Grundlagen
und Anwendungen für das automatisierte Fahren Convolutional Neural Networks Random Forest
Autoencoder - Statistische Signalverarbeitung: Grundlagen der statistischen Filterung sowie
Tracking von Objekten in der Fahrzeugumgebung Kalman-Filter Fusion von Sensordaten -
Fahrzeugmodelle und Trajektorien: Fahrdynamikmodelle für die aktive Fahrzeugsicherheit und das
automatisierte Fahren Trajektorienplanung und Trajektorienfolgeregler Kollisionsmodelle für
die passive Fahrzeugsicherheit - Zeit- und Frequenzdarstellung von Signalen (z. B. Filterung
von Beschleunigungssignalen in Airbag-Steuergeräten) - Mathematische Grundlagen für den Entwurf
von Algorithmen: Lineare Algebra Optimierung Wahrscheinlichkeitstheorie und Lineare Systeme
Die einzelnen Schwerpunkte werden durch Übungsaufgaben mit Musterlösungen veranschaulicht. Für
Übungsaufgaben bei denen es erforderlich ist werden Matlab-Skripte zur Verfügung gestellt.
