EL471: Autonomous Driving / Autonomes Fahren

Die Studierenden kennen den Aufbau moderner automatisierter Fahrzeuge. Sie können Vor- und Nachteile verschiedener Sensortypen nennen und den grundlegenden Aufbau der Fahrzeugsystemarchitektur beschreiben.

Sie kennen und verstehen die fundamentalen Konzepte, Algorithmen und Herausforderungen der funktionalen Wirkkette (Perzeption, Prädiktion und Planung) eines selbstfahrenden Fahrzeugs.

Die Studierenden kennen und verstehen Computer-Vision Techniken zur dreidimensionalen Wahrnehmung der Umgebung und der Detektion von Objekten mit Hilfe von tiefen neuronalen Netzen. Die Studierenden kennen und verstehen Prädiktionsverfahren, um das Verhalten relevanter Objekte vorherzusagen. Weiter kennen und verstehen Sie die Funktionsweise von Algorithmen zur Trajektorien- und Bewegungsplanung.

Die Studierenden verstehen die Relevanz der (richtigen) Daten und kennen Verfahren, diese Daten über Annotations-Workflows oder über die Simulation zu generieren oder anzureichern. Weiter kennen die Studierenden die grundlegende Funktionsweise von modernen Simulationsumgebungen zur Validierung dieser Architekturen.

Die Studierenden können die erlernten Konzepte in konkreten Praxisbeispielen anwenden und eigene Lösungsansätze identifizieren und entwickeln.

Die Studierenden erwerben grundlegende Kompetenzen in der interdisziplinären Problemlösung, indem sie Wissen und Techniken aus verschiedenen Bereichen wie Computer Vision, Robotik und Simulation integrieren, um effektive Lösungen für Wahrnehmungs-, Vorhersage- und Planungsherausforderungen für das autonome Fahren zu entwickeln.

Die Studierenden sind in der Lage, neben eigenständiger Problemlösung, spezifische Probleme im Zusammenhang mit autonomen Fahrzeugen zu identifizieren, zu bearbeiten und erfolgreich dem richtigen Teil der Wirkungskette zuzuordnen.

Die Studierenden sind in der Lage, effektiv im Team zusammenzuarbeiten, Experimente durchzuführen, Ideen klar zu kommunizieren und an Diskussionen über autonomes Fahren teilzunehmen. Die Arbeit im begleitenden Praktikum fördert dabei diese Kompetenzen. Weiterhin sind die Studierenden sich der ethischen, rechtlichen und gesellschaftlichen Auswirkungen des autonomen Fahrens bewusst und können Aspekte wie Sicherheit und Datenschutz mit in Betracht ziehen.

• Überblick Autonomes Fahren
• Aufbau eines autonomen Fahrzeugs (Fokus auf Sensorik und Systemarchitektur)
• Dreidimensionale Objekterkennung
• Zeitreihenanalyse zur Vorhersage des Objektverhaltens
• Bewegungs- und Trajektorienplanung
• Simulation
• Ethische und rechtliche Implikationen des autonomen Fahrens

Die erlernten Konzepte werden in den Praxisveranstaltungen vertieft. Es werden Teile eines Software-Stacks für ein selbstfahrendes Modellfahrzeug entwickelt.

• Kenntnisse der Programmiersprache Python
• Grundlagen des maschinellen Lernens und der digitalen Bildverarbeitung

• Maurer M., et al.: “Autonomous driving: technical, legal and social aspects”, Springer Nature, 2016.
• Ventori L., and Korda C.: “Hands-On Vision and Behavior for Self-Driving Cars: Explore visual perception, lane detection, and object classification with Python 3 and OpenCV 4”, Packt Publishing, 2020.
• Goodfellow I., Yoshua B., and Aaron C.: “Deep learning”, MIT Press, 2016.
• Szeliski R.: “Computer Vision: Algorithms and Applications”, Vol. 2, Springer, 2021.
• Eskandarian A. (ed.), “Handbook of intelligent vehicles” Vol. 2, Springer, 2012.
• Janai J., et al.: “Computer vision for autonomous vehicles: Problems, datasets and state of the art”, nowpublishers.com, 2020.