Autonomous Driving an der TU München

Karteikarten und Zusammenfassungen für Autonomous Driving im Informatik Studiengang an der TU München in Augsburg

CitySTADT: Augsburg

CountryLAND: Deutschland

Kommilitonen im Kurs Autonomous Driving an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Kommilitonen im Kurs Autonomous Driving an der TU München erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp.

Schaue jetzt auf StudySmarter nach, welche Lernmaterialien bereits für deine Kurse von deinen Kommilitonen erstellt wurden. Los geht’s!

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Autonomous Driving an der TU München.

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Holonomic vs Nonholonomic

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Examples of Data association methods

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Refraction

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Reflection

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Scattering

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Absorption

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Attenuation

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Transmission

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Example Scenario Classification and Prediction    

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

RRT - Weak completeness

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Important factors for AD at CES

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

CES means

Beispielhafte Karteikarten für Autonomous Driving an der TU München auf StudySmarter:

Autonomous Driving

Holonomic vs Nonholonomic

Holonomic system where a robot can move in any direction in the configuration space.

Nonholonomic systems are systems where the velocities (magnitude and or direction) and other derivatives of the position are constraint. History of states is needed in order to determine the current state.

Autonomous Driving

Examples of Data association methods

– Clustering: Nearest Neighbors and K-means
– Probabilistic Data Association (PDA)

Autonomous Driving

Refraction

Refraction: wave crossing from one medium into
another, experiencing a change in direction, while
continuing to travel through the new medium .

Autonomous Driving

Reflection

Reflection: Change in direction of a wave, between
two different media, with outgoing angle equal to
the incident angle on the other side of the surfaces normal.

Autonomous Driving

Scattering

Scattering: radiation such as light being forced to deviate from straight path due to localized non -uniformity in propagation medium. 

For example because of droplets or surface roughness (scattering centers)

Autonomous Driving

Absorption

Absorption: Loss of energy of propagating wave while traveling through a medium. 

e.g. conversion into thermal energy in damping material (Ultrasound: foam ; Light: carbon black ) depends on depth , absorption coefficient)

Autonomous Driving

Attenuation

Attenuation describes all losses in signal intensity, including
scattering and absorption.

Autonomous Driving

Transmission

Transmission: Propagating wave crosses from one medium
into another and is transmitted through the medium

Autonomous Driving

Example Scenario Classification and Prediction    

– Use fused sensor data as input
– Choose Data Representation Format
– Label Data
– Generate additional data (stretch…)
– Choose Network Architecture
– Evaluate Network Performance

Autonomous Driving

RRT - Weak completeness

•Resolution complete : if no solution exists, the algorithm will run forever. 

•Probabilistically complete : with infinite samples, the probability of finding an existing solution converges to one.

Autonomous Driving

Important factors for AD at CES

Applicability : The ability of the function to operate, expressed in percent. E.g. a lane change assist that sees clear lane markings, road side boundaries, and convoy tracks, and an empty left lane, might set this to 100%; if it only sees convoy tracks and lane markings are unclear (e.g. in a construction site), it might set this to 30%; if the left lane is occupied, it will always set this to 0%. 

Desire : The desire of the function to operate, in percent. E.g. an adaptive cruise control function set to 130km/h on an empty highway might set this to 100%; if it finds itself behind a truck going 80km/h it might set this to 50%. 

Risk : A scalar, expressed in percent, giving an assessment of the risk involved when performing the behavior. A lane changing assistant that sees a perfectly clear left lane might set this to 20% (since visibility from the ego vehicle will always be obstructed), one that sees a slowly -approaching vehicle to the rear in the left lane might set this to 50%, one that sees a vehicle arriving with high difference velocity might set it to 90%. 

Comfort : A scalar, expressed in percent, giving an assessment of the comfort to the driver that performing a certain motion will entail; expected high lateral or longitudinal acceleration or deceleration will result in a low comfort level, gentle motions in a high one.

Autonomous Driving

CES means

Consumer Electronics Show

Gradient

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Autonomous Driving an der TU München zu sehen

Singup Image Singup Image

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Informatik an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Blockchain

Cognitive System

Databases for modern CPU

Data Analysis in R

Patterns

Softwaretechnik

Requirements Engineering

Web Application Engineering

Patterns in Software Engineering

Principles of Economics

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

StudySmarter Flashcard App and Karteikarten App
d

4.5 /5

d

4.8 /5

So funktioniert StudySmarter

Individueller Lernplan

Bereite dich rechtzeitig auf all deine Klausuren vor. StudySmarter erstellt dir deinen individuellen Lernplan, abgestimmt auf deinen Lerntyp und Vorlieben.

Erstelle Karteikarten

Erstelle dir Karteikarten in wenigen Sekunden mit Hilfe von effizienten Screenshot-, und Markierfunktionen. Maximiere dein Lernverständnis mit unserem intelligenten StudySmarter Trainer.

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und StudySmarter erstellt dir deine Zusammenfassung. Ganz ohne Mehraufwand.

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile Karteikarten und Zusammenfassungen mit deinen Kommilitonen und erhalte Antworten auf deine Fragen.

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter zeigt dir genau was du schon geschafft hast und was du dir noch ansehen musst, um deine Traumnote zu erreichen.

1

Individueller Lernplan

2

Erstelle Karteikarten

3

Erstelle Zusammenfassungen

4

Lerne alleine oder im Team

5

Statistiken und Feedback

Nichts für dich dabei?

Kein Problem! Melde dich kostenfrei auf StudySmarter an und erstelle deine individuellen Karteikarten und Zusammenfassungen für deinen Kurs Autonomous Driving an der TU München - so schnell und effizient wie noch nie zuvor.