Masterstudiengang Fahrerassistenzsysteme · 2020. 12. 29. · Fahrerassistenzsysteme entwickelt werden und wie und wo auf der Welt Sie sich ganz persönlich einbringen können. Fahrerassistenzsysteme,

Version 1.9 vom 28.12.2020

28.1

2.2

020, P

rof.

Dr.

S.

Sch

nei

der

Fakultät Elektrotechnik

MODULHANDBUCH

Masterstudiengang

Fahrerassistenzsysteme

Inhaltsverzeichnis Seite I

Version 1.9 vom 28.12.2020

Modulhandbuch zum Masterstudiengang Fahrerassistenzsysteme

Inhaltsverzeichnis

1 Einführung 3

1.1 Ziele des Studiengangs 5

1.2 Lernergebnisse des Studiengangs 7

1.3 Studienablauf 15

Vollzeitstudium 18

Teilzeitstudium 21

Bewerbung 23

1.4 Studienberatung 23

1.5 Duales Studium 24

2 Modulbeschreibungen 25

2.1 Pflichtmodule 26

FA 101 Grundlagen Fahrerassistenzsysteme 26

FA 102 Entwicklungs- und Testmethodik für Fahrzeugsysteme 29

FA 103 Echtzeitsysteme 33

FA 104 Optische Sensorsysteme 35

FA 105 Multimodale Sensorsysteme 38

FA 201 Kraftfahrzeugdynamik 41

FA 202 Computer Vision 44

FA 203 Bussysteme 47

2.2 Wahlpflichtmodule 50

FA 204 Sensorik 50

FA 205 Mikrocontroller 54

FA 206 Modellbasierte Reglerentwicklung 57

2.3 Masterarbeit 61

FA 301 Masterarbeit 61

2.4 Ausgewählte Wahlmodule 63

FA 106 Modellierung und Simulation von Fahrerassistenzsystemen 63

FA 107 Mustererkennung und Maschinelles Lernen 66

FA 108 Human Maschine Interaction und User Experience für Fahrerassistenzsysteme 68

Inhaltsverzeichnis Seite II

Version 1.9 vom 28.12.2020

FA 207 Funktionale Sicherheit 71

1 Einführung, Ziele des Studiengangs Seite 3

Version 1.9 vom 28.12.2020

1 Einführung

Faszination Fahrerassistenzsysteme

Fahrerassistenzsysteme, automatisiertes und Autonomes Fahren – jede Woche ist davon die

Rede in den Medien. Warum haben z.B. die deutschen Automobilhersteller den Kartenservice

HERE Maps der Firma Nokia für 2,7 Milliarden Euro gekauft? Wozu kann man diese Karten brau-

chen? Warum muss jede Fahrzeugführerin und jeder Fahrzeugführer dauernd das Fahrzeug beherr-

schen, wie es die Wiener Konvention von 1968 vorsieht? Was hat die Ethik-Kommission Automati-

siertes und Vernetztes Fahren dazu zu sagen? Was hat das mit dem Androiden Data aus Star Trek

zu tun? Werden die Sportlerinnen und Sportler während der verschobenen Olympia in Tokyo tat-

sächlich wie von Geisterhand transportiert werden? Wie geht das mit dem Valet Parking? Kommt

das Apple-Auto oder nicht? Und was sind Fahrerassistenzsysteme eigentlich genau und wie erset-

zen Sensoren die Wahrnehmung der Fahrerin oder des Fahrers? Und zu guter letzt, wie verteibe ich

mir dann die Zeit als Passagier im eigenen Fahrzeug?

Schon heute sind weltweit Fahrerassistenzsysteme im Einsatz, die eine Vielzahl von Fahraufga-

ben abnehmen, wie z.B. für den Komfort mit Längs- mit Querregelung des Fahrzeugs oder Ver-

kehrsschilderkennung, für die Sicherheit mit Totwinkelassistent oder Notbremsung auf Hindernisse

wie Fahrzeuge, FußgängerInnen oder statische Objekte sowie für die Ökonomie mit Tempomat, Se-

geln oder Navigation kombiniert mit Stauumgehung. Die Automobilindustrie investiert aus diesen

Gründen stetig mehr in die Entwicklung solcher Funktionen und hat daher einen steigenden Be-

darf an qualifizierten Ingenieurinnen und Ingenieuren. Das Design, die Entwicklung und die

Absicherung moderner Fahrerassistenzsysteme ist somit ein Schlüssel für die internationale

Wettbewerbsfähigkeit der Automobilhersteller und deren Zulieferer. Der Entwicklung des Bör-

senkurses der Firma Tesla spricht Bände!

Wenn Sie sich für ein Studium der Fahrerassistenzsysteme entscheiden, lernen Sie systematisch,

wie die menschliche Wahrnehmung durch Sensoren ersetzt werden kann, darauf aufbauend

Fahrerassistenzsysteme entwickelt werden und wie und wo auf der Welt Sie sich ganz persönlich

einbringen können.

Fahrerassistenzsysteme, automatisiertes und Autonomes Fahren

Fahrerassistenzsysteme sind elektronische Zusatzeinrichtungen in Kraftfahrzeugen zur Unter-

stützung des Fahrzeugführers in klar abgesteckten Fahrsituationen. Diese Funktionen erhöhen

den Komfort, tragen zur Verbesserung der Verkehrssicherheit bei und reduzieren den Verbrauch

der Fahrzeuge und sind somit von zentralem gesellschaftlichem Interesse. Mit zunehmender In-

tegration von Fahrerassistenzsystemen kann die Fahrerin oder der Fahrer immer mehr von den

Fahraufgaben entlastet werden und muss nur noch eine Grundaufmerksamkeit haben. Wenn das

nicht mehr nötig ist, spricht man von Autonomen Fahren.

Persönliche Voraussetzungen


Version 1.9 vom 28.12.2020

Angehende Studierende des Masterstudiengangs Fahrerassistenzsysteme sollten ein allgemeines

Interesse an der Wahrnehmung der Menschen mit ihren Sinnen und für die Umwelterschlie-

ßung mit Sensoren mitbringen und sich nicht von mathematischen Verfahren und Program-

mieren – Software eats everything - abschrecken lassen. Das Studium wird Ihre Sichtweise auf die

Fähigkeiten eines Menschen und wie Fahrzeuge tatsächlich geführt werden, verändern und den

Blick für die Umwelt schärfen.

Ob Fahrerassistenzsysteme erfolgreich im Markt sind, hängt von einer Vielzahl von Aspekten ab,

wie z.B. von der technischen Umsetzbarkeit, der Gebrauchssicherheit, den Entwicklungskos-

ten, vom Produktpreis und der Akzeptanz der Fahrer. Die erfolgreiche Markteinführung dieser

Fahrerassistenzsysteme setzt eine ausgewogene Beachtung aller dieser Aspekte voraus.

Die Automobil- und Zulieferindustrie ist auf die ganze Welt verteilt mit Schwerpunkten in

Nordamerika, Japan und Europa. China hat die Aufholjagd begonnen. Die fachliche Qualifika-

tion sollte daher durch englische Sprachkenntnisse und Teamfähigkeit in internationalen Orga-

nisationen ergänzt sein. In vielen Unternehmen wird darüber hinaus auch erwartet, dass die Mitar-

beitenden ein ausgeprägtes Termin-, Kosten-, und Qualitätsbewusstsein haben. Fahrerassistenz-

systeme werfen interdisziplinäre Aufgabenstellungen auf. Daher ist es von Vorteil bei der späte-

ren Berufsausübung stets den Blick über die Disziplinen Informatik, Elektrotechnik und Maschinen-

bau hinaus schweifen zu lassen.


Version 1.9 vom 28.12.2020

1.1 Ziele des Studiengangs

Der Masterstudiengang Fahrerassistenzsystem qualifiziert Absolventinnen und Absolventen für an-

spruchsvolle Tätigkeiten in Forschung und Entwicklung bzw. bei der Inbetriebnahme entspre-

chender Systeme der Automobil-, Fahrzeug- und Luftfahrtindustrie sowie deren Zulieferern. Das

Studienziel des Masterstudiengangs Fahrerassistenzsysteme ist daher interdisziplinär angelegt und

soll für Entwicklungs- und Managementaufgaben in den Phasen Design, Umsetzung, Absiche-

rung, Inbetriebnahme und Überwachung entsprechender Fahrerassistenzsysteme qualifizieren.

Die Anforderungen an den Studiengang wurden in mehreren Diskussionsrunden mit Industrie-

vertretern zusammengestellt und bei der Erstellung des Curriculums berücksichtigt. Die Absol-

venten sollen haben

1. Kenntnis über das Zusammenwirken mechanischer, elektronischer und informations-

verarbeitender (mechatronischer) Komponenten des Fahrzeugs und dessen Umgebung,

2. Kenntnisse über die Mensch – Maschine Interaktion sowie User Experience – im Zusam-menspiel von FahrerInnen- und Fahrerassistenzsystemen – sowohl in der Erhebung von

Anforderungen, in der Entwicklung, der funktionellen Absicherung, der Testen, der Zu-

lassung sowie der Bedienung,

3. Kenntnisse der üblichen Entwicklungs- und Testmethoden in der Automobilentwicklung

und der Kraftfahrzeugdynamik,

4. Kenntnisse zur Struktur eines elektronischen Steuergeräts und Fähigkeit zur Entwicklung

der Software für Mikrocontroller-Applikationen im automotive Bereich sowie vertiefte

Kenntnisse zu Bussystemen der Automobilindustrie,

5. Kenntnisse über Sensorsysteme und Fähigkeit geeignete Sensoren für eine Anwendung

auszuwählen und in ein Gesamtsystem zu integrieren,

6. Kenntnisse über relevante Algorithmen für Fahrerassistenzsysteme und Fähigkeit zu deren

Anwendung sowie

7. Vertieftes Verständnis für die Anforderungen der Funktionalen Sicherheit bei Software-

entwicklung und Systementwurf im Automobilbereich.

Die Studieninhalte zielen auf den Erwerb von praxisorientiertem Spezialwissen zu spezifischen

Technologien und Methoden aus den Bereichen der Psychologie sowie Ingenieursbereichen Infor-

matik, Elektrotechnik und Maschinenbau. Diese Fähigkeiten sollen durch eine praxisorientierte

Lehre in enger Kooperation mit der Industrie und in Forschungsprojekten vermittelt werden.

Eine umfassende Ausbildung versetzt die Studierenden in die Lage, wesentliche Zusammenhänge

zu erkennen und jene Flexibilität zu erlangen, die nötig ist, um sich mit der rasant weiterentwi-

ckelnden Technik mithalten zu können.

Für den Erwerb von grundlegenden fachlichen Kenntnissen, die im Bereich der Fahrerassistenz-

systeme nötig sind, wurden acht Pflichtmodule definiert. Diese Module definieren somit das ver-

mittelte Basiswissen und gehen auf wesentliche Inhalte von Fahrer, Fahrzeug und Umwelt sowie

deren Schnittstellen ein. Die unabhängigen Pflichtmodule ergänzen sich inhaltlich und sind überlap-

pungsfrei definiert. Eine Sonderrolle nimmt dabei das Modul Grundlagen der Fahrerassistenzsys-

teme ein, das sowohl als eine allgemeine Einführung als auch eine Motivation und Einordnung für

die weiteren Module zu verstehen ist. Wahlpflicht- und Wahlmodule erlauben den Studierenden,


Version 1.9 vom 28.12.2020

eigene Interessen zu setzen um damit entsprechende Berufsziele verwirklichen zu können und moti-

vieren daher zu besonderen Leistungen.

Der Abschluss erfolgt mit dem international anerkannten Titel Master of Science.

1 Einführung, Lernergebnisse des Studiengangs Seite 7

Version 1.9 vom 28.12.2020

1.2 Lernergebnisse des Studiengangs

Die Studierenden erwerben in dem Studium der Fahrerassistenzsysteme interdisziplinäre Kompe-

tenzen aus den Bereichen Sensorik, Perzeption, Mensch-Maschine-Interaktion, User Experi-

ence zur Sicherung der Akzeptanz, Steuergeräte. Busse und Software-Entwicklung sowie deren

naturwissenschaftlich-mathematischen Grundlagen und die Ansteuerung der Aktorik und der

Fahrzeugdynamik.

Die Pflichtmodule Grundlagen Fahrerassistenzsysteme, Entwicklungs- und Testmethodik für

Fahrzeuge, Echtzeitsysteme, Optische Sensorsysteme, Multimodale Sensorsysteme, Kraftfahr-

zeugdynamik, Computer Vision und Bussysteme vermitteln dabei das in der Automobilindustrie

notwendige Fachwissen und die entsprechende Methodenkompetenz mit folgenden Schwerpunk-

ten:

1. Entwicklung von Fahrerassistenzsystemen,

2. Umfelderkennung und informationstechnische Verarbeitung der Signale,

3. Entwicklungsprozess - Sense (Sensortypen, Sensorvrehaltensmodelle), Perzeption (Wahr-

nehmung, Sesnordatenfusion) – Think (Interpretation und Klassifikation, Hypothesenbil-

dung, Simulation und Verifikation) – Plan (Planung, Trajektorienberechnung) –Act (An-

steuerung, Aktorik, Fahrdynamik) – Learn (Deep learning, Artificial Intelligence) – In-

tegraion (Zuordnung zu gelernten Verhaltensmustern),

4. Gestaltung der Mensch-Maschine-Interaktion / User Experience sowie

5. Einstufung von Fahrerassistenzsystemen im Rahmen der Funktionalen Sicherheit.

Die drei Wahlpflichtmodule Sensorik, Mikrocontroller und Modellbasierte Regelerentwi-

ckung, von denen mindestens zwei belegt werden müssen, ermöglichen es den Studierenden einen

Schwerpunkt entsprechend ihrer Kompetenzen und Vorbildung setzen zu können:

1. Fachwissen zu Sensorik,

2. Fachwissen zu Mikrocontrollern und

3. Methodenkompetenz zur modellbasierten Entwicklung von Regler-Software.

Darüber hinaus werden, so es möglich ist, folgende Wahlmodule angeboten: Modellierung und

Simulation von Fahrerassistenzsystemen, Mustererkennung, Funktionale Sicherheit, Human-

Machine-Interaction und User Experience für Fahrerassistenzsysteme,…

Projektarbeiten bieten darüber hinaus die Möglichkeit neben fachlichen Aspekten auch soziale

Kompetenzen und Fähigkeiten zum erfolgreichen Selbstmanagement aufzubauen.

Nach erfolgreichem Abschluss des Masterstudiengangs Fahrerassistenzsysteme sollen die Studie-

renden über folgende Lernergebnisse oder Kompetenzen verfügen. Die Begriffe Lernergebnisse

oder Kompetenzen werden hierbei gleichgesetzt.

Wissen aus den Fahrerassistenzsysteme, den Naturwissenschaften, der Psychologie und der

Mathematik zu verwenden, um praxisrelevante Modelle abzuleiten, zu verifizieren und Lösun-

gen zu formulieren.

Ingenieurwissenschaftliche Probleme identifizieren und geeignete elektrische oder informations-

technische Systeme spezifizieren, entwerfen, analysieren und dokumentieren.


Version 1.9 vom 28.12.2020

Effektiv als Einzelner, in Teams, und in multidisziplinären Umgebungen zu arbeiten, gepaart mit

der Fähigkeit, lebensbegleitend zu lernen.

Effektiv mit der Wissensgemeinschaft der Ingenieure und mit der Gesellschaft im Ganzen zu

kommunizieren.

Die erworbenen Kompetenzen werden in fachspezifische und fachübergreifende Kompetenzen ge-

gliedert. Die fachübergreifenden Kompetenzen lassen sich in Methoden-, Sozial-, und Selbstkompe-

tenzen gliedern. Dabei können einzelne Kompetenzen je nach Perspektive durchaus in mehrere Ka-

tegorien eingeordnet werden.


Version 1.9 vom 28.12.2020

Kompetenz Komponente Beschreibung

Fachspezifisch Fachkompetenz Fachkenntnisse und –methoden, sowie deren Anwendung

zur Bewältigung fachspezifischer Aufgaben. Betonung von

Kompetenzen im Bereich des Forschens und des Entwi-

ckelns. Die Vermittlung von fachspezifischen Kompetenzen

steht im Mittelpunkt der Ausbildung. Sie schließt diszipli-

näre und interdisziplinäre Fachkenntnisse ein.

Fachübergreifend Methodenkompetenz Vom Fach unabhängig einsetzbare Kenntnisse, Fähigkeiten

und Fertigkeiten, mit deren Hilfe neue und komplexe Auf-

gaben und Probleme selbständig bewältigt werden können,

z.B. Problemlöse-fähigkeit, Fähigkeit zu selbstreguliertem

Lernen, Fremdsprachenkenntnisse, Fähigkeiten im Umgang

mit neuen Medien.

Sozialkompetenz Kenntnisse, Fähigkeiten und Fertigkeiten in Bezug auf

Kommunikation, Kooperation und Konflikte. Ermöglicht,

in Beziehungen zu Mitmenschen der Situation angemessen

zu handeln und individuelle oder gemeinsame Ziele zu ver-

wirklichen.

Selbstkompetenz Die Fähigkeit und Bereitschaft, die eigene Begabung, Moti-

vation und Leistungsbereitschaft zu entfalten, sowie die

Entwicklung einer individuellen Einstellung und Persön-

lichkeit.

Die folgende Lernziele-Modul-Matrix soll einen Überblick über die Zuordnung der Module zu

den Lernzielen geben.


Version 1.9 vom 28.12.2020

Lernziele Lernergebnisse Zugeordnete Module

Wissen und Verstehen

Absolventen …

… haben einen Überblick über die

Themen Fahrerassistenzsysteme

und Autonomes Fahren

Überblick über aktuelle Fahrerassis-

tenzsysteme, deren Einsatz und de-

ren Entwicklung

• Grundlagen Fahrerassistenzsys-

teme, Mensch-Maschine-Interak-

tion und User Experience für Fah-

rerassistenzsysteme

… haben einen Überblick über das

Zusammenwirken zwischen me-

chanischen, elektronischen und in-

formationsverarbeitenden Kompo-

nenten insbesondere in Verbin-

dung mit der Fahrzeugumgebung

unter Berücksichtigung der Anfor-

derungen an Funktionale Sicher-

heit

… haben einen Übreblick über

Grundlagen der Mensch-Ma-

schine-Interaktion / User Experi-

ence

Überblick über die technischen

Rahmenbedingungen für die Ent-

wicklung von Fahrerassistenzsyste-

men und die Fähigkeit diese gegen-

einander abzuwägen um zielsicher

Lösungen umsetzen und Anforde-

rungen an Funktionale Sicherheit

einhalten zu können


teme

• Multimodale Sensorsysteme

• Echtzeitsysteme

• Bussysteme

• Sensorik

• Modellierung und Simulation von

Fahrerassistenzsystemen

• Funktionale Sicherheit

• Kraftfahrzeugdynamik

Ingenieurwissenschaftliche Methodik

Absolventen …


wichtigsten Methoden in der Fahr-

zeugentwicklung

Überblick und Kenntnisse zu den

wichtigsten Entwicklungsparadig-

men

• Entwicklungs- und Testmethoden

in der Automobilentwicklung


teme



… verstehen die in der Automobil-

industrie üblichen eingesetzten

Bussysteme zur Vernetzung von

elektronischen Steuergeräten

Überblick und Kenntnisse zu den

wichtigsten Bussystemen im Auto-

motive-Bereich, detaillierte Kennt-

nisse zu den Bussystemen CAN und

FlexRay

• Bussysteme

Ingenieurgemäßes Entwickeln

Absolventen …

… können für automotive-spezifi-

sche Aufgaben die Software für die

entsprechenden Mikrocontroller

entwickeln

Fähigkeit geeignete Mikrocontrol-

ler-Architekturen auszuwählen und

die konkrete Programmieraufgaben

umzusetzen

• Echtzeitsysteme

• Mikrocontroller

• Modellbasierte Reglerentwicklung

• Computer Vision

• Mustererkennung


Version 1.9 vom 28.12.2020

… können Sensorsysteme in ein

Gesamtsystem integrieren und de-

ren Daten kompetent auswerten

Fähigkeit Sensoren praktisch ein-

bauen zu können und deren Daten

auslesen zu können

• Optische Sensorsysteme


• Sensorik

• Computer Vision

• Mustererkennung


relevanten Algorithmen für Fahrer-

assistenzsysteme und können diese

auch anwenden

Überblick über Algorithmen und

Fähigkeit diese implementieren zu

können

• Computer Vision

• Mustererkennung

• Modellbasierte Reglerentwicklung


teme

… verstehen die Fahrzeugdynamik Kenntnisse der wichtigsten fahrdy-

namischen Eigenschaften eines

Fahrzeuges und deren Auswirkun-

gen




Untersuchen und Bewerten

Absolventen …

… können Sensorsysteme passend

zu den Anwendungsszenarien aus-

wählen

Fähigkeit zielsicher die passenden

Sensoren auszuwählen

• Optische Sensorsysteme


• Sensorik

… verstehen Fahrerassistenzsys-

teme als sicherheitsrelevante Sys-

teme und deren Klassifikation

Fähigkeit Fahrzeugfunktionen zu

klassifizieren und sicherheitsrele-

vante Systeme zu testen und zu va-

lidieren


teme


Ingenieurpraxis und Produktentwicklung

Absolventen …

… kennen die Struktur eines elekt-

ronischen Steuergeräts

Überblick über die Komponenten

eines elektronischen Steuergeräts

• Mikrocontroller

• Echtzeitsysteme


Fahrerassistenzsysteme

Fähigkeit Fahrerassistenzsysteme

zu bewerten und einzuordnen


teme



Überfachliche Kompetenzen

Absolventen …

… verstehen die Anforderungen an

die Softwareentwicklung im Auto-

mobilbereich

… verstehen Mensch-Maschine-In-

teraktion und User Experience im

Zusammenspiel von Fahrerassis-

tenzsystemen und Fahrzeugführern

Fähigkeit Software anforderungs-

spezifisch entwickeln zu können


teme

• Bussysteme

• Mikrocontroller

• Modellbasierte Regelerentwick-

lung

• Computer Vision

• Mustererkennung



Version 1.9 vom 28.12.2020

… können die Anforderungen der

funktionalen Sicherheit im Syste-

mentwurf beachten

Fähigkeit sicherheitsrelevante Soft-

ware entwickeln zu können


teme


… können mit sich während der

Umsetzungsphase ändernden An-

forderungen umgehen

Fähigkeit Umsetzungsentscheidun-

gen zielsicher treffen zu können

• Projektarbeit

• Masterarbeit

… können Verantwortung für wis-

senschaftliche Beiträge zum Fach-

wissen und zur Berufspraxis über-

nehmen

Fähigkeit sich wissenschaftlich aus-

zudrücken

• Masterarbeit

• Projektarbeit

… können die strategischen Leis-

tung von Teams überprüfen

Fähigkeit die Zusammensetzung

von Teams bewerten zu können

• Projektarbeit


Version 1.9 vom 28.12.2020

Arbeitsmarktperspektiven und Praxisbezug

Fahrerassistenzsysteme entlasten den Fahrer bei Routineaufgaben und erhöhen die Verkehrssicher-

heit. Einzelne fahrzeugbezogene Anwendungen, wie elektronische Abstandswarnsysteme, welche

die Gefahr von Auffahrunfällen reduzieren, und Systeme, die den Fahrer bei Abbiegevorgängen und

beim Fahrstreifenwechsel unterstützen, sind bereits serienmäßig in der Automobilindustrie entwi-

ckelt und von der Bundesregierung unterstützt worden. Das Anwendungsspektrum von Fahrerassis-

tenzsystemen nimmt mit Neuentwicklungen und technischen Verbesserungen vorhandener Funktio-

nen ständig zu. Industrie und Wirtschaft haben erkannt, welche Potentiale im Angebot von Fahrer-

assistenzsystemen liegen. Oberklassefahrzeuge werden heute bereits serienmäßig mit autarken Na-

vigationssystemen ausgestattet, die in Verbindung mit Fahrzeugsensorik, Satellitennavigation und

digitalen Straßenkarten Routenplanung und Zielführung ermöglichen. Die ersten individuellen aktu-

ellen Informationsdienste privater Dienstleister sind bereits auf dem Markt. Zunehmend bieten pri-

vate Dienstleister z.B. kundenorientierte Dienste für automatische Notrufe, Pannenhilfe und zur

Verhinderung von Kraftfahrzeugdiebstählen an. In einigen Jahren wird es immer mehr autonome

Systeme geben, die selbständig in Fahrsituationen eingreifen und damit gewinnt die Mensch-Ma-

schine-Interaktion und die User Experience zunehmend an Bedeutung. Die Abbildung 1 zeigt die

Stufen dieser Automatisierung entsprechend dem acatech-Projekt Neue autoMobilität.

Abbildung 1: Stufen der Automatisierung (Quelle: BMVI/VDA/acatech-Projekt Neue autoMobilität)

Die Entwicklung solcher Systeme hat bisher und wird auch weiterhin in Zukunft enorme Entwick-

lungsanstrengungen der Industrie voraus. Dabei sind interdisziplinäre Kenntnisse aus den Bereichen

Informatik, Elektrotechnik und Elektronik sowie Maschinenbau, nötig. Die Weiterentwicklung mo-

derner Fahrerassistenzsysteme wird die internationale Wettbewerbsfähigkeit der deutschen Auto-

mobilindustrie maßgeblich mitbestimmen. Vielen Unternehmen fehlt allerdings die praktische Er-


Version 1.9 vom 28.12.2020

fahrung, wie solche interdisziplinären Ansätze angewendet werden können. Daher gibt es einen gro-

ßen Bedarf an qualifiziert ausgebildeten Ingenieuren sowohl bei den Automobilherstellern als auch

in der Automobilzulieferindustrie und anderen Fahrzeugherstellern.

Anfragen aus der Industrie nach einem qualitativ hochwertigen Studienangebot zum Thema Fahrer-

assistenzsysteme wurden an die Hochschule Kempten vor allem von den Unternehmen ADAC,

Audi, AGCO-Fendt, AVL List GmbH, BMW AG, Robert Bosch GmbH, C More Automotive

GmbH, Continental A.D.C., Daimler AG, ETAS GmbH, Goldhofer, Liebherr, TÜV, ZF Friedrichs-

hafen… gerichtet. Daher sind die Berufsaussichten für Ingenieure und Informatiker, die in einem

Masterstudiengang auf der Grundlage einer fundierten Erstausbildung in Informatik, Elektro- und

Informationstechnik, Mechatronik, Informatik oder auch Maschinenbau eine hochqualifizierte aka-

demische Zweitausbildung in Fahrerassistenzsystemen erhalten, als hervorragend anzusehen.

Ein ähnlicher Studiengang, der mit starkem Fokus für bestimmte berufliche Aufgaben qualifiziert,

ist bisher weder in Deutschland noch im Ausland bekannt.

1 Einführung, Studienablauf Seite 15

Version 1.9 vom 28.12.2020

1.3 Studienablauf

Die Studienhalte zielen auf den Erwerb von praxisorientiertem Spezialwissen zu spezifischen

Technologien und Methoden aus dem Bereich Fahrerassistenzsysteme. Für den Erwerb von grund-

legenden fachlichen Kenntnissen, die im Bereich der Fahrerassistenzsysteme nötig sind, wurden

acht Pflichtmodule definiert. Diese Pflichtmodule definieren somit das vermittelte Basiswissen und

gehen auf wesentliche Konzepte für Fahrer, Fahrzeug und Umwelt sowie deren Schnittstellen ein.

Die unabhängigen Pflichtmodule ergänzen sich inhaltlich und sind überlappungsfrei definiert. Eine

Sonderrolle nimmt dabei das Pflichtmodul Grundlagen der Fahrerassistenzsysteme ein, das sowohl

als eine allgemeine Einführung als auch eine Motivation und Einordnung für die weiteren Module

zu verstehen ist. Wahlpflicht- und Wahlmodule erlauben den Studierenden, eigene Interessen zu

setzen um damit entsprechende Berufsziele verwirklichen zu können und motivieren daher zu be-

sonderen Leistungen.

Die folgende Übersicht detailliert die Befähigung nach Modulen:

Nr.

FA

Modul Inhalte des Praktikums/Übung

101 Grundlagen

Fahrerassistenz-

systeme

Kenntnis über die globalen Trends in der Automobilindustrie

Übersicht zu Motivation von Fahrerassistenzsystemen

Überblick über Fahrerassistenzsysteme

Anwendung von Systemtheorie auf Fahrerassistenzsysteme

Verständnis zu den Komponenten Fahrer, Fahrzeug und Umwelt

und über deren Wechselwirkungen

Anwendung von Klassifikationsschemen für Fahrerassistenzsys-

temen

Verständnis über die relevanten gesellschaftlichen Zusammen-

hänge, wie z.B. die Wiener Konvention von 1968

Kenntnis der Funktionalen Sicherheit

Erleben spezieller Fahrerassistenzsystems im Rahmen eines Fahr-

versuchs

Grundlagen der Mensch-Maschine-Interaktion und User Experi-

ence

102 Entwicklungs-

und Testmethodik

für Fahrzeugsys-

teme

So möglich wird zusätzlich eine freiwillige Schulung für Methoden

des Design-of-Experiments angeboten

103 Echtzeitsysteme Praktische Programmierbeispiele zur Berechnung der Best Case

und Worst Case Execution Time einer Task (BCET, WCET)

Rechercheaufgabe zur Funktionsweise aktueller Schedulingver-

fahren (Linux-Scheduler)


Version 1.9 vom 28.12.2020

Implementierung des nicht-echtzeitfähigen Schedulingverfahrens

Round-Robin (RR) und echtzeitfähiger Verfahren wie Rate Mo-

notonic Scheduling (RMS), Earliest Deadline First (EDF) und

Least Laxity First (LLF)

Programmieraufgaben um das Verständnis für Probleme wie z.B.

Deadlocks und Prioritätsinversion zu vertiefen

Experimente zur Vorhersagbarkeit von Bearbeitungszeiten dyna-

mischer Speicheranforderungen

Experimente mit dem Echtzeitbetriebsystem FreeRTOS zum

Thema Prioritätsinversion und Varianten der dynamischen Spei-

cherverwaltung

104 Optische

Sensorsysteme

drei Versuche zu je vier 4 VL-Stunden zu Grundlagen, Radiomet-

rie/Optische Abbildung/Stereometrie:

Überprüfung radiometrischer und fotometrischer Gesetzmäßig-

keiten durch praktische Messungen auf der optischen Bank (nach

Fotodetektoren)

Verifikation von Abbildungsgesetzen und Charakterisierung von

Objektiveigenschaften im Praktikum (nach MTF)

Überprüfung der fundamentalen Zusammenhänge der Stereomet-

rie durch praktische Messungen mit einem Stereokamerasystem

(nach Stereokamera)

105 Multimodale

Sensorsysteme

Überprüfung der fundamentalen Zusammenhänge Übersetzen ei-

ner Sensordatenverarbeitungsbibliothek (OpenCV)

Autonomes Fahrverhalten für einen 2D Roboter in einer Simulati-

onswelt entwickeln

Odometrie mit und ohne Sensordatenfusion

Erstellen einer 2D Belegungskarte (Occupancy grid)

Erstellen einer 2D Belegungskarte unter Verwendung verrausch-

ter Abstandssensoren und/oder verrauschter Motion-Encoder

Experimente mit dem 1D und 2D linearen Kalman Filter, sowie

mit dem Erweiterten Kalman-Filter (EKF)

Experimente mit einem Partikelfilter zum Thema Positions- und

Bewegungsschätzung

Tracking von Objekten / Hypothesenmanagement

Repräsentation multimodaler Sensordaten

201 Kraftfahrzeug-Dy-

namik

einmal pro Vorlesung Gelegenheit an Tests vom ADAC teilnehmen

zu können auf einem Testgelände z.B. in Kaufbeuren

202 Computer Vision Nummerschilderkennung mit OCR, Ansätze zur Spurhaltung, Navi-

gation, …


Version 1.9 vom 28.12.2020

203 Bussysteme Grundlagen von Bussystemen (ISO-Modell,..), Überblick zu relevan-

ten BUS Systemen im automotive Bereich, CAN und Flexray Proto-

koll und Physical Layer; Praktikum mit Aufbau von CAN-Netzwerk;

Fehlerbehandlung

204 Sensorik Fortlaufendes Projekt: Aufbau eines Modellfahrzeuges mit verschie-

dener Sensorik zur Zustands- und Umfelderkennung. Realisierung ei-

ner Funkübertragung zu einem Host-PC. Implementierung eines Re-

gelkonzeptes für verschiedene Fahrerassistenzsysteme

205 Mikrocontroller Puls- und Frequenzmessung, Steuerung von Schrittmotoren, Analog-

Digital-Konvertierung zeitgleich an mehreren Kanälen, Interrupt-

handling

206 Modellbasierte

Reglerentwick-

lung

Modellbasierte Reglerentwicklung am Beispiel einer automatischen

Spurhaltung von Fahrzeugen (Praktikum): Modellbildung, Simulation

der Regelstrecke, Entwurf einer digitalen Regelung, Simulation gere-

geltes Fahrzeug, Reglerentwicklung mit automatischer Codegenerie-

rung und mit Programmierung von Hand in der Sprache C, Imple-

mentierung des Reglers auf einer Echtzeithardware, Test des imple-

mentierten Reglers mit echtzeitfähigem Modell der Regelstrecke

301 Masterarbeit mit

Kolloquium

n.a.

106 Modellierung und

Simulation von

Fahrerassistenz-

systemen

Überblick über den Entwicklungsprozess von Fahrerassistenzsys-

temen (Produktentstehung, V-Modell)

Kenntnis über Vor- und Nachteile des modellbasierten Ansatzes

Überblick über die relevanten Autoren- und Integrationswerk-

zeuge für die Modellierung und Simulation

Überblick über den Systems Engineering Ansatz

Verständnis für eine zielführende Architektur

Verständnis der Abstraktionsstufen für die Modellierung

Anwendung einer beispielhaften Umsetzung in einem vorgegeben

Werkzeug

Kenntnis moderner Modellierungsstandards

Überblick zu Simulationsmethoden

Verständnis über die Auswirkung der numerischen Simulation

107 Mustererkennung Lernverfahren (Bayes-Klassifikatoren, Neuronale Netze, Markov-

Modelle, Baumklassifikatioren, Kombinationen, …) werden pro-

grammiert bzw. angewendet

207 Funktionale

Sicherheit

Bewertung von Funktionen nach der ISO 26262, Übersicht und An-

wendung der relevanten Methoden


Version 1.9 vom 28.12.2020

Das Studium des Masterstudiengangs Fahrerassistenzsysteme kann sowohl zum Sommer- als auch

zum Wintersemester aufgenommen werden. Das Pflichtmodul Grundlagen der Fahrerassis-

tenzsysteme wird daher jedes Semester angeboten um einen semesterunabhängigen Einstieg in

das Studium zu ermöglichen.

Der Masterstudiengang ist modularisiert. Die drei Semester des Masterstudiums entsprechen insge-

samt 90 CP, pro Semester 30 CP. Diese verteilen sich mit 40 CP auf die Pflichtmodule, 10 CP auf

die Wahlpflichtmodule und weitere 10 CP für Wahlmodule. Die Masterarbeit mit abschließendem

Kolloquium umfasst weitere 30 CP. Die Maßeinheit für den durchschnittlichen Lernaufwand ist da-

bei Semesterwochenenstunde, kurz SWS. Die Verteilung auf Vorlesung resp. Praktikum oder

Übung wird pro Modul aufgeschlüsselt.

Das Studium ist sowohl als Vollzeitstudium als auch als Teilzeitstudium konzipiert.

Vollzeitstudium

Das Vollzeitstudium umfasst einschließlich der Masterarbeit drei Semester. Die Module verteilen

sich wie folgt auf die drei Semester:

Sommersemester:

Im Sommersemester werden neben dem Modul FA 101 Grundlagen Fahrerassistenzsysteme vier

weitere Pflichtmodule angeboten: FA 102 Entwicklungs- und Testmethodik für Fahrzeugsysteme,

FA 103 Echtzeitsysteme, FA 104 Optische Sensorsysteme und FA 105 Multimodale Sensorsys-

teme. Das Sommersemester bietet darüber hinaus die Möglichkeit ein Wahlmodul zu belegen.

Wintersemester:

Im Wintersemester werden neben dem Modul FA 101 Grundlagen Fahrerassistenzsysteme vier wei-

tere Pflichtmodule angeboten: FA 201 Kraftfahrzeugdynamik, FA 202 Computer Vision und FA

203 Bussysteme. Das Wintersemester bietet darüber hinaus die Möglichkeit zwei der drei angebote-

nen Wahlpflichtmodule sowie ein weitere Wahlmodul zu belegen.


Version 1.9 vom 28.12.2020

Das dritte Semester:

Das dritte Semester ist für die FA 301 Masterarbeit vorgesehen, die sowohl in Kooperation mit ei-

nem Unternehmen als auch im Rahmen eines Forschungsprojektes an der Hochschule angefertigt

werden kann. Die Ergebnisse der Masterarbeit sollen in einem abschließenden Kolloquium präsen-

tiert werden. In der Masterarbeit sollen die Studierenden ihre Fähigkeit nachweisen, dass sie in der

Lage sind, die im Studium erworbenen Kenntnisse und Fertigkeiten in einer selbständig angefertig-

ten, anwendungsorientierten wissenschaftlichen Arbeit, auf komplexe Aufgabenstellungen anzu-

wenden.

Der Studienablauf mit der Verteilung1 der Module ist auf der nächsten Seite graphisch dargestellt.

1 Die sogenannten Creditpoints (Leistungspunkte, kurz CP) werden in Anlehung nach dem European Cre-

dit Transfer System (ECTS) verwendet. Dein CP entspricht dabei 30 Arbeitsstunden.


Version 1.9 vom 28.12.2020


Version 1.9 vom 28.12.2020

Teilzeitstudium

Das Teilzeitstudium umfasst einschließlich der Masterarbeit sechs Semester. Dieses Vorgehen bie-

tet sich für Studierende an, die nach einem Abschluss des Bachelors oder Diploms in einem Unter-

nehmen tätig sein und sich parallel weiterqualifizieren wollen. Die Inhalte entsprechen denen des

Vollzeitstudiums und werden anstatt in drei nun innerhalb von sechs Semestern absolviert. Die ers-

ten vier Semester bestehen dann aus den in der Anlage aufgeführten, für die ersten beiden Semester

des Vollzeitstudiums vorgesehenen, Modulen. Das fünfte und sechste Semester dienen zum Anferti-

gen der Masterarbeit und zur Teilnahme des abschließenden Kolloquiums. Ein Wechsel zwischen

Vollzeit- und Teilzeitstudium ist in beiden Richtungen möglich. Für die Zulassung zum Teilzeitstu-

dium müssen dieselben Voraussetzungen wie für die Zulassung zum Vollzeitstudium erfüllt sein.

Der Studienablauf mit der Verteilung der Module ist auf der nächsten Seite beispielhaft graphisch

dargestellt.


Version 1.9 vom 28.12.2020

1 Einführung, Studienberatung Seite 23

Version 1.9 vom 28.12.2020

Bewerbung

Die Studien- und Prüfungsordnung für den Masterstudiengang Fahrerassistenzsysteme regelt die

Zulassungsvoraussetzungen. Die Bewerbung erfolgt schriftlich mit den dort festgelegten Unterla-

gen.

1.4 Studienberatung

Allgemeine Auskünfte zum Studium und Prüfungen erteilt das Abteilung Studium unter Te-

lefon +49 831 2523 120, -313 und -351 oder per E-Mail: [email protected].

Die Fachstudienberatung erstreckt sich auf Studieninhalte, Studientechniken, Lehrveranstal-

tungen, Prüfungsvorbereitung, Studienabschlüsse des Masterstudiengangs Fahrerassistenzsys-

teme.

Prof. Dr. rer. nat. Stefan Schneider

Kontaktdaten entnehmen Sie bitte aus dem Auftritt der Hochschule im Internet

https://www.hs-kempten.de/

E-Mail: [email protected]

Sprechzeiten nach Vereinbarung

Die Prüfungskommission regelt die Prüfungen und stellt die Noten fest.

Prof. Dr.-Ing. Jürgen Brauer




Sprechzeiten nach Vereinbarung

Die Abteilung Beratung und Service informiert über Studienmöglichkeiten, Studieninhalte,

Studienabschlüsse, Zulassungsvoraussetzungen und Studienbedingungen. Sie berät auch in per-

sönlichen und sozialen Angelegenheiten.




Sprechzeiten siehe Aushang sowie nach Vereinbarung

mailto:[email protected]://www.hs-kempten.de/https://www.hs-kempten.de/mailto:[email protected]://www.hs-kempten.de/mailto:[email protected]

1 Einführung, Duales Studium Seite 24

Version 1.9 vom 28.12.2020

1.5 Duales Studium

Unter der Marke „Hochschule Dual“ wird in Bayern für Master-Studiengänge das Studienmodell

Studium mit vertieftem Praktikum (SmvP) angeboten, das das weiterführende Studium mit Berufs-

praxis in einem Unternehmen verknüpft.

Dieses duale Studienmodell bietet vor allem folgende Vorteile:

Eine fundierte akademische Ausbildung an einer staatlichen bayerischen Hochschule.

Zusätzlich in den Semesterferien eine praktische Tätigkeit in einem Unternehmen – Inhalte,

die an der Hochschule gelehrt werden können gleich in der Praxis angewandt werden.

Die Einsätze im Unternehmen werden vergütet, so dass während des Studiums finanzielle

Unterstützung gesichert ist.

Der Student oder die Studentin lernt betriebliche Abläufe kennen, arbeitet an eigenen Pro-

jekten und sammelt damit weitere praktische Berufserfahrung.

Das Unternehmen lernt den Studenten kennen, woraus sich Chancen auf eine feste Über-

nahme direkt nach dem Studium ergeben – viele Absolventen haben quasi mit dem Hoch-

schulabschluss auch ein Angebot für einen Arbeitsvertrag.

Der duale Master ist konsekutiv. Er richtet sich sowohl an reguläre, nicht duale Bachelor- rsp. Dip-

lomabsolventen als auch an duale Bachelor- rsp. Diplomabsolventen, die ein Verbundstudium oder

Studium mit vertiefter Praxis durchlaufen haben. Er dauert 1,5 Jahre (3 Semester) und ist als Stu-

dium mit vertiefter Praxis organisiert. Mindestens 34 Wochen (bzw. mindestens die Hälfte der Re-

gelstudienzeit) verbringt der Studierende in einem Unternehmen, dies vorwiegend in den Semester-

ferien und in der Zeit während der betriebsnahen Masterthesis, die den Höhepunkt und Abschluss

des Studiums markiert. Je nach Hochschule ist ein Beginn im WS und/oder SS möglich. Duale

Masterstudienangebote sind keine weiterführende Masterstudiengänge.

Das Studium mit vertiefter Praxis (SmvP) verknüpft ein Hochschulstudium mit intensiver Praxistä-

tigkeit in einem Unternehmen. Dieses Studienmodell ist geeignet für motivierte, zielstrebige Studi-

eninteressenten mit diesen Voraussetzungen:

Einschlägiger Bachelorabschluss an einer Hochschule für angewandte Wissenschaften oder

Universität als allgemeinen Zugangsvoraussetzung

Erfolgreich abgeschlossener Eignungstest

Ausbildungsvertrag mit einem Unternehmen

Der Ablauf in Kurzform:

Bevor Sie sich bei den von Ihnen recherchierten Firmen bewerben, klären Sie die einzureichenden

Unterlagen und den Zeitpunkt der Bewerbung ab. Die meisten Firmen verlangen eine reguläre Be-

werbung mit Anschreiben, Lebenslauf und Zeugnissen - ca. 1 Jahr vor dem Bachelorabschluss.

Kümmern Sie sich frühzeitig! Damit Sie gute Chancen auf einen Platz haben, sollten Ihre bisheri-

gen Studiennoten deutlich über dem minimal benötigtem Notenschnitt von 2,5 für den Studiengang

liegen.

1 Modulbeschreibungen, Duales Studium Seite 25

Version 1.9 vom 28.12.2020

Die Firma schließt mit Ihnen einen Vertrag ab, in dem Art und Umfang der Praxiseinsätze, Urlaubs-

anspruch, Vergütung etc. geregelt sind. Bitte reichen Sie diesen Vertrag auch im Rahmen der Studi-

enplatzbewerbung an der Hochschule gemeinsam mit den anderen Bewerbungsunterlagen ein.

2 Modulbeschreibungen

Die für das Studium des Masterstudiengangs Fahrerassistenzsysteme grundlegenden fachlichen

Kenntnisse werden in insgesamt acht Pflichtmodulen zusammengefasst. Diese Module definieren

somit das vermittelte Basiswissen und gehen auf wesentliche Inhalte von Fahrer, Fahrzeug und Um-

welt sowie deren Schnittstellen ein. Die unabhängigen Pflichtmodule ergänzen sich inhaltlich und

sind überlappungsfrei definiert. Eine Sonderrolle nimmt dabei das Pflichtmodul FA 101 Grundla-

gen Fahrerassistenzsysteme ein, das sowohl als eine allgemeine Einführung als auch als eine Moti-

vation und Einordnung für die weiteren Module zu verstehen ist. Wahlpflicht- und Wahlmodule

erlauben den Studierenden, eigene Interessen zu setzen um damit entsprechende Berufsziele ver-

wirklichen zu können und motivieren daher zu besonderen Leistungen.

Die zugelassenen Hilfsmittel in der Prüfung sind in den Modulbeschreibungen wie folgt abgekürzt

worden:

Abkürzungsverzeichnis

keine Keine Hilfsmittel

OE Ohne/keine Einschränkung, alle nicht elektronischen Hilfsmittel zugelassen

NPTR Nicht programmierbarer Taschenrechner

TR Taschenrechner

FSV Zur Verfügung gestellte Formelsammlung

FSE Erlaubte Formelsammlung entsprechend Literaturangabe

AUFZ n Aufzeichnungen auf n DIN A4 Blättern (beidseitig beschrieben)

SK Vorlesungsskript und Aufzeichnungen

* Siehe besonderen Aushang "Rechnerbenutzung bei Prüfungen" der Fakultät Elektrotechnik

*** Nach besonderem Aushang

1 Modulbeschreibungen, Pflichtmodule Seite 26

Version 1.9 vom 28.12.2020

2.1 Pflichtmodule

FA 101 Grundlagen Fahrerassistenzsysteme

Modulname: Module Title:

Grundlagen Fahrerassistenzsysteme Introduction to Advanced Driver Assistance

Systems

Modul Kode Nr.: Bearbeitungsdatum: Module Code No.: Revision Date:

FA 101 30.09.2020 FA 101 30.09.2020

Teil 1:

Allgemeine Informationen

Part 1:

General Information

Studiengang (Abschluss): Study Course (Degree):

Fahrerassistenzsysteme (M.Sc.) Advanced Driver Assistance Systems (M.Sc.)

Studienabschnitt, Semester: Study Phase, Semester:

Sommer- und Wintersemester Summer and Winter term

Modulverantwortlicher: Module Coordinator:

Prof. Dr. Stefan Schneider Prof. Dr. Stefan Schneider

Lehrmethoden, SWS, ECTS-Leistungspunkte (LP) Teaching Methods, SWS, ECTS-Credit Points (CP)

Vorlesung: 4 SWS 5 LP

Praktikum, Übung: 0 SWS 0 LP

Lecture: 4 SWS 5 CP

Lab, Exercise: 0 SWS 0 CP

Arbeitsaufwand: Workload:

Vorlesung: 15 x 4,0 h = 60,0 h

Praktikum, Übung: 15 x 0,0 h = 00,0 h

Selbststudium: 90,0 h

Gesamtaufwand: 150,0 h

Lecture: 15 x 4,0 h = 60,0 h

Lab, Exercise: 15 x 0,0 h = 00,0 h

Independent Learning: 90,0 h

Total Effort Hours: 150,0 h

Lehrsprache: Teaching Language:

Deutsch German

Pflicht-/Wahlpflichtmodul: Compulsory Module / Compulsory Elective:

Pflicht Compulsory

angeboten im Sommer-/Wintersemester: Taught in Term:

Sommer- und Wintersemester Summer and Winter Term

Vorgeschriebene Grundlagenmodule: Compulsory Prerequisite Modules

n.a. n.a.

Kurzbeschreibung: Short Description:

Fehl The course provides an introduction to the topic of

driver assistance systems and gives an over-view,

their use and their development.


Version 1.9 vom 28.12.2020



Systems


FA 101 30.09.2020 FA 101 30.09.2020

Teil 2:

Voraussetzungen, Lernziele und Lehrinhalte

Part 2:

Prerequisites, Learning Outcomes, Contents

Wissensvoraussetzungen: Knowledge Prerequisites:

keine none

Lernziele: Learning Outcomes:

• Übersicht zu Motivation von Fahrerassistenz-systemen

• Überblick über Fahrerassistenzsysteme • Verständnis zu den Komponenten Fahrer, Fahr-

zeug und Umwelt und über deren Wechselwir-

kungen

• Anwendung von Klassifikationsschemen für Fahrerassistenzsystemen

• Verständnis über die relevanten gesellschaftli-chen Zusammenhänge

• Overview to motivation of Advanced Driver As-

sistance Systems

• Overview to Advanced Driver Assistance Systems

• Understanding the components driver, vehicle and

environment and their interactions

• application of classification schemes for Advanced

Driver Assistance Systems

• Understanding of the relevant social contexts

Lehrinhalte: Module Contents:

• Motivation und Rahmenbedingungen für Fah-rerassistenzsysteme

• Analyse der Komponenten Fahrer, Fahrzeug und Umwelt sowie deren Wechselwirkung

• Diskussion unterschiedlicher Einteilungen von Fahrerassistenzsystemen

• Diskussion von Fahrerassistenzsystemen

• Motivation and constrains for Advanced Driver

Assistance Systems

• Analysis of the components driver, vehicle and

environment and their interaction

• Discussion of different classifications of Advanced

Driver assistance Systems

• Discussion of Advanced Driver assistance Systems

Teil 3:

Literatur, Leistungsnachweis

Part 3:

Literature, Assessment

Internet-Adressen, Elektronische Lernhilfen: Internet-Links, Computer Based Learning:

Lehrmaterial ist im Hochschulnetz verfügbar. Course material is in the University Intranet

available

Literaturempfehlungen: Recommended Literature:

Winner, Hakuli, Wolf: Handbuch Fahrerassis-

tenzsysteme Grundlagen

Maurer, Gerdes, Lenz, Winner: Autonomes Fahren

Winner, Hakuli, Lotz, Singer: Handbook of Driver

Assistance Systems

Maurer, Gerdes, Lenz, Winner: Autonomous Dri-

ving


Version 1.9 vom 28.12.2020



Systems


FA 101 30.09.2020 FA 101 30.09.2020

Leistungsnachweis (Praktikum, Übung, Prüfung): Assessment (Lab, Course Work, Examination):

Die Endnote ergibt sich zu 100 % aus einer

schriftlichen Prüfung (90 Minuten).

Marking depends 100% on written examination (90

minutes).

Prüfung: Zugelassene Hilfsmittel:

Keine Hilfsmittel Examination: Permitted Auxiliaries:

None


Version 1.9 vom 28.12.2020

FA 102 Entwicklungs- und Testmethodik für Fahrzeugsysteme


Entwicklungs- und Testmethodik für

Fahrzeugsysteme

Developing and Test Methods for Vehicle Sys-

tems


FA 102 21.10.2016 FA 102 21.10.2016

Teil 1:


Part 1:

General Information




Sommersemester Summer term


Prof. Dr. Thomas Winsel Prof. Dr. Thomas Winsel




Lecture: 4 SWS 5 CP







Lecture: 15 x 4,0 h = 60,0 h





Deutsch

German


Pflicht

Compulsory


Sommersemester Summer Term


- -


Version 1.9 vom 28.12.2020



Fahrzeugsysteme


tems


FA 102 21.10.2016 FA 102 21.10.2016


Die Lehrveranstaltung beschäftigt sich als Pflicht-

modul mit Methoden und Anwendungen modellba-

sierter Entwicklungs- und Testverfahren und damit

intensiv mit Erstellung und Nutzung echtzeitfähiger

Simulationsmodelle. Klassifikation echtzeitfähiger

Modellstrukturen sowie Aufbau und Parametrierung

induktiver Modelle dienen als Basis für Ansätze zur

optimalen Versuchsplanung (DoE) samt automati-

sierter Versuchsdurchführung, Systementwicklung,

Optimierung und Kalibrierung sowie Validierung an

virtuellen Prüfständen (HiL), prädestiniert u.a. für

sicherheitsrelevante System- und Integrationstests.

As an obligatory module this course deals with

methods and applications of model-based develop-

ment and testing procedures and thus intensively

with preparation and use of real-time capable simu-

lation models. Classification of real-time model

structures as well as construction and parameteriza-

tion of inductive models provide optimal ap-

proaches of design of experiment (DoE), including

test automation, system development, optimization,

calibration and validation on virtual test benches

(HiL), especially for safety-relevant system and in-

tegration tests.

Teil 2:


Part 2:



Matrizenalgebra, Grundlagen der Regelungstechnik

und gute mathematische Grundkenntnisse sowie

idealerweise erste Erfahrungen mit MATLAB

Matrix algebra, basics of control systems, appropri-

ate mathematical skills and ideally first experience

with MATLAB


Überblick über echtzeitfähige Modellbildung als

Basis jeden modellbasierten Verfahrens

Bewertung und Anwendung verschiedener Modell-

bildungsverfahren

Einschätzung des Potentials aber auch der Unwäg-

barkeiten modellbasierter Verfahren und damit si-

cherer Umgang bzw. Anwendung zur Entwicklung

und zum Test technischer Systeme im Fahrzeug,

insbesondere von Fahrerassistenzsystemen

Overview of real-time modeling as origin for

model-based methods

Evaluation and application of various model devel-

opment methods

Assessment of the potential but also of the disad-

vantages of model-based methods and therefore

confident handling in development and testing of

technical systems in vehicles, in particular for driver

assistance systems


Version 1.9 vom 28.12.2020



Fahrzeugsysteme


tems


FA 102 21.10.2016 FA 102 21.10.2016


Anforderungen an eine echtzeitfähige

Modellbildung hinsichtlich Genauigkeit,

Gültigkeitsbereich, Simulationsgeschwindigkeit,

Handhabung / Vorkenntnisse, Robustheit,

Informationsgehalt und Übertragbarkeit

Induktive und deduktive Modellbildung sowie

Abbildungsumfang eines Modells hinsichtlich

lokaler / globaler sowie statischer / dynamischer

Abbildung

Hybridisierung der Modellstruktur,

Simulationsanordnungen von Model- bis Hardware-

in-the-Loop (MiL bis HiL), Restbussimulation,

dynamische P- und S/P‑ Modellanordnung

Lineare Regressionsmodellbildung

Nichtlineare induktive Modelle / neuronale Netze,

wie lokal lineare, global nichtlineare Modelle,

Multi-Layer-Perceptron (MLP), Radiale

Basisfunktion (RBF), samt gradientenbasierter

Lernverfahren

Globale dynamische Modelle, wie parametrische

Volterra-Reihen, Time-Delay-Neural Network

(TDNN), Recurrent Multi-Layer-Perceptron

(RMLP)

Die Inhalte Grundlagen und Anwendung

statistischer Versuchsplanung, automatisierte

Versuchsdurchführung, Optimierung, Kalibrierung

und Validierung werden in Kooperation mit einem

industriellen Partner in Form eines optionalen

Zusatzmoduls bearbeitet

Requirements for real-time modeling regarding

accuracy, operating range, simulation speed,

handling / knowledge, robustness, information

content and portability

Inductive vs. deductive modeling and

approximation capability of a model, regarding local

/ global as well as static / dynamic mapping

Hybridization of model structures, simulation

configuration from model- to hardware-in-the-loop

(MiL to HiL), residual bus simulation, dynamic P-

and S / P model arrangement

Linear regression modeling

Nonlinear inductive models / neural networks, like

locally linear, global non-linear models, multi-layer

perceptron (MLP), radial basis function (RBF), as

well as gradient based learning methods

Global dynamic models such as parametric volterra

series, time-delay neural network (TDNN) recurrent

multi-layer perceptron (RMLP)

The contents principles and applications of design

of experiments, test automation procedures, system

optimization, calibration and validation will be

processed in cooperation with an industrial

automotive partner as an optional add-on module

Teil 3:


Part 3:




available


Skriptum Script


Version 1.9 vom 28.12.2020



Fahrzeugsysteme


tems


FA 102 21.10.2016 FA 102 21.10.2016





minutes).


Ohne/keine Einschränkung, alle nicht elektroni-

schen Hilfsmittel zugelassen, Nicht programmierba-

rer Taschenrechner

Examination: Permitted Auxiliaries:

Without / no restriction, all non-electronic aids

allowed, Non-programmable calculator


Version 1.9 vom 28.12.2020

FA 103 Echtzeitsysteme


Echtzeitsysteme Realtime Systems


FA 103 03.12.2020 FA 103 03.12.2020

Teil 1:


Part 1:

General Information






Prof. Dr. Jürgen Brauer Prof. Dr. Jürgen Brauer




Lecture: 2 SWS 3 CP







Lecture: 15 x 2,0 h = 30,0 h





Deutsch

German


Pflicht

Compulsory




- -


Die Lehrveranstaltung führt in das Thema

Echtzeitsysteme ein und gibt einen Überblick über

spezifische Problemstellungen und Lösungen im

Echtzeitbetrieb.

The course provides an introduction to the topic of

realtime systems and gives an over-view of specific

problems and solutions for realtime tasks.


Version 1.9 vom 28.12.2020


Echtzeitsysteme Realtime Systems


FA 103 03.12.2020 FA 103 03.12.2020

Teil 2:


Part 2:



Programmierkenntnisse (bevorzugt in C oder C++) Basic knowledge of programming (preferable in C

or C++)



- Motivation und Definitionen, RT Scheduling, Architekturen und RT Betriebssysteme

-

- Acceleration techniques for real-time systems

Teil 3:


Part 3:



https://github.com/juebrauer/teaching_real_time_sys

tems

https://github.com/juebrauer/teaching_real_time_sys

tems


Quade J., Mächtel M.: Moderne Realzeitsysteme

kompakt

Zöbel, D.: Echtzeitsysteme – Grundlagen der Pla-

nung

Quade J., Mächtel M.: Moderne Realzeitsysteme

kompakt

Zöbel, D.: Echtzeitsysteme – Grundlagen der Pla-

nung





minutes).



None


Version 1.9 vom 28.12.2020

FA 104 Optische Sensorsysteme


Optische Sensorsysteme Optical Sensorsystems


FA 104 26.10.2016 FA 104 26.10.2016

Teil 1:


Part 1:

General Information






Prof. Dr. Michael Reisch Prof. Dr. Michael Reisch




Lecture: 2 SWS 3 CP







Lecture: 15 x 3,0 h = 45,0 h





Deutsch

German


Pflicht

Compulsory




- -


Die Lehrveranstaltung betrachtet die physikalischen

und technischen Grundlagen optischer Sensorsys-

teme und ihre praktische Verwendung in der Umfel-

derkennung für Fahrerassistenzsysteme und in der

Automatisierungstechnik. Der Schwerpunkt liegt

dabei auf Bildwandlersystemen für den sichtbaren

und infraroten Spektralbereich

The course considers the physical and technical

foundations of optical sensor systems and their prac-

tical application for surround detection in advanced

driver assistance systems as well as in industrial au-

tomation. The focus is on imaging systems for the

visible and infrared spectral regions.


Version 1.9 vom 28.12.2020




FA 104 26.10.2016 FA 104 26.10.2016

Teil 2:


Part 2:



- Physikalische Grundbegriffe

- Grundkenntnisse in Geometrie,

- Grundkenntnisse der Signalverarbeitung

- Basic terms of physics

- Elementary geometry

- Basics of signal processing


- Wissen über optische Strahlung und radio-metri-

sche und fotometrische Strahlungsgrößen

- Kenntnis der Funktion und Beschreibung abbil-

dender Optiken; Fähigkeit Objektive für eine ge-

gebene Aufgabe auszuwählen

- Kenntnis der Funktion der charakteristischen Ei-

genschaften von optischen Sensorsystemen und

Fähigkeit diese anzuwenden

- Knowledge about optical radiation and radiometric

and photometric quantities

- Knowledge about properties and description of im-

aging optics. Ability to choose objectives for a

given purpose

- Knowledge about characteristic properties of opti-

cal sensor systems and ability to apply these


- Licht, Polarisation, Radiometrie, menschliches

Sehvermögen, Fotometrie, Quellen optischer

Strahlung, Fotodetektoren

- Optische Abbildung, Stereokamera, Matrix-Be-

schreibung optischer Systeme, Blenden und Pupil-

len, Schärfentiefe, Gesichtsfeld und Perspektive,

Telezentrische Optik, Verzeichnung, Fisheye,

MTF

- CCD- und CMOS-Bildwandler, Aufbau und Wir-

kungsweise, Kenngrößen, Anwendung, Kameraka-

librierung, Stereokamera

- Laufzeitverfahren zur optischen Umfelderken-

nung, LIDAR, TOF-Kamera

- Überprüfung radiometrischer und fotometrischer

Gesetzmäßigkeiten durch praktische Messungen

auf der optischen Bank (nach Fotodetektoren)

- Verifikation von Abbildungsgesetzen und Charak-

terisierung von Objektiveigenschaften im Prakti-

kum (nach MTF)

- Überprüfung der fundamentalen Zusammenhänge

der Stereometrie durch praktische Messungen mit

einem Stereokamerasystem (nach Stereokamera)

- Light, polarization, radiometry, human vision,

photometry, sources of optical radiation, photo de-

tectors

- Optical imaging, stereo camera, matrix description

of optical systems, apertures and pupils, depth of

field, viewing angle and perspective, telecentric

optics, distortion, fisheye, MTF

- CCD- and CMOS imagers, realization and work-

ing principles, characteristics, application, camera

calibration, stereo camera

- time of flight methods for optical surround detec-

tion, LIDAR, TOF camera

- Verification of radiometric and photometric princi-

ples by practical measurements on the optical

bench (by photodetectors)

- Verification of imaging laws and characterization

of objective properties in the internship (according

to MTF)

- Verification of the fundamental relationships of

stereometry by practical measurements with a ste-

reo camera system (by stereo camera)


Version 1.9 vom 28.12.2020




FA 104 26.10.2016 FA 104 26.10.2016

Teil 3:


Part 3:




available


Warren J. Smith, Modern optical engineering,

4th ed., McGrawHill

Robert E. Fisher, Biljan Tadic-Galeb, Paul R.

Yoder, Optical System Design, 2nd ed, McGrawHill

Gerald C. Holst, Terrence S. Lomheim,

CMOS/CCD Sensors and Camera Systems, JCD

Publishing

B. Jähne, Bildverarbeitung und Bildgewinnung,

7.A., Springer

Warren J. Smith, Modern optical engineering,

4th ed., McGrawHill

Robert E. Fisher, Biljan Tadic-Galeb, Paul R.

Yoder, Optical System Design, 2nd ed, McGrawHill

Gerald C. Holst, Terrence S. Lomheim,

CMOS/CCD Sensors and Camera Systems, JCD

Publishing

B. Jähne, Bildverabeitung und Bildgewinnung, 7.A.,

Springer





minutes).


Nicht programmierbarer Taschenrechner, Zur Ver-

fügung gestellte Formelsammlung


Non-programmable calculator, provided collection

of formulas


Version 1.9 vom 28.12.2020

FA 105 Multimodale Sensorsysteme


Multimodale Sensorsysteme Multi-modal Sensor Systems


FA 105 03.12.2020 FA 105 03.12.2020

Teil 1:


Part 1:

General Information






Prof. Dr. Brauer Prof. Dr. Brauer




Lecture: 2 SWS 3 CP







Lecture: 15 x 2,0 h = 30,0 h





Deutsch

German


Pflicht

Compulsory




- -


Die Lehrveranstaltung führt in das Thema Sensor-

netzwerke und Sensorfusion ein. Hierfür werden

gängige Verfahren zur Sensordatenfusion der in

Fahrerassistenzsystemen dominierenden Sensorty-

pen sowie deren Spezifika behandelt.

The course provides an overview to the topic of ro-

bust sensor networks and sensor fusion. Therefore

typical sensor fusion methods based on commonly

used advanced driver assistance sensor types will be

introduced.


Version 1.9 vom 28.12.2020




FA 105 03.12.2020 FA 105 03.12.2020

Teil 2:


Part 2:



Programmierkenntnisse (bevorzugt in C oder C++),

Lineare Algebra

Basic knowledge of programming (preferable in C

or C++), Linear algebra


- Studenten wissen wieso die Sensordatenfusion in realen multi-modalen Sensorsystemen not-

wendig ist und können Fusionsansätze klassifi-

zieren

- Sie kennen und verstehen den probabilistischen Hintergrund des Zustandsschätzproblems

- Sie kennen eine konkrete Realisierung des re-kursiven Bayesschen Schätzer durch den Parti-

kel-Filter

- Sie kennen und verstehen neuere Architektu-ren zur Sensordatenfusion wie Convolutional Neu-

ral Networks (CNNs) und wie diese für kon-

krete Aufgaben wie die Objektdetektion einge-

setzt werden können

- Students know why sensor data fusion is neces-sary in real multi-modal sensor systems. They

can classify fusion approaches.

- They known and understand the probabilistic background of the state estimation problem

- They know a practical realization of the recur-sive Bayesian filter by particle filters

- They know and understand new architectures for sensor data fusion as Convolutional Neural

Networks (CNNs) and how these can be used to

solve tasks as object detection


- Warum ist Sensordatenfusion wichtig? - Klassifikation von Fusionsansätzen - Probabilistischer Rahmen des Zustandschätz-

problems: der rekursive Bayessche Filter

- Realisierung des rekursiven Bayesschen Schät-zers über Partikel-Filter

- Repräsentation von Sensordaten in hierarchi-schen Fusionsarchitekturen wie CNNs zur Ob-

jektdetektion

- Why is sensor data fusion important?

- Classification of fusion approaches

- Probabilistic formulation of the state estimation problem: the recursive Bayessian filter

- Realization of the recursive Bayesian filter by particle filter

- Representation of sensor data in hierarchical fu-sion architectures as CNNs for object detection

Teil 3:


Part 3:



https://github.com/juebrauer/course_cnn

https://www.tensorflow.org/tutorials

https://github.com/juebrauer/course_cnn

https://www.tensorflow.org/tutorials


- Francois Chollet. Deep Learning with Python. Manning, 2018

- Francois Chollet. Deep Learning with Python. Manning, 2018


Version 1.9 vom 28.12.2020




FA 105 03.12.2020 FA 105 03.12.2020





minutes).



None


Version 1.9 vom 28.12.2020

FA 201 Kraftfahrzeugdynamik


Kraftfahrzeugdynamik Vehicle Dynamics


FA 201 09.10.2016 FA 201 09.10.2016

Teil 1:


Part 1:

General Information




Wintersemester Winter term


Prof. Bernhard Schick Prof. Bernhard Schick




Lecture: 4 SWS 5 CP







Lecture: 15 x 4,0 h = 60,0 h





Deutsch

German


Pflicht

Compulsory


Wintersemester Winter Term


- -


Die Lehrveranstaltung führt in die Fahrzeugdyna-

mik ein und behandelt Kinematik und Kräfte mit

den Gesetzmäßigkeiten bei der bei Längs-, Quer-

und Vertikaldynamik.

The course introduces the students to the vehicle dy-

namics and kinematics and forces treated with the

laws in for longitudinal, lateral and vertical dynam-

ics.


Version 1.9 vom 28.12.2020




FA 201 09.10.2016 FA 201 09.10.2016

Teil 2:


Part 2:



keine none


Gutes Verständnis der Test- und Beurteilungsme-

thoden für die Ermittlung von Gesamtfahrzeug-

und Fahreigenschaften.

Sinn, Zweck und theoretische Zusammenhänge der

auf Kraftfahrzeuge wirkenden Kräfte sowie die

Gesetzmäßigkeiten für die Längs-, Quer- und Ver-

tikaldynamik werden verstanden und können in

der Praxis angewendet werden.

Es besteht die Fähigkeit die Einflüsse von Subsys-

teme und Komponenten auf die Fahrdynamik zu

untersuchen und zu optimieren.

Kenntnis des funtionalen Zusammenwirkens von

Fahrwerksregelsysteme und Fahrerassistenzsys-

teme im Hinblick auf die Fahrdynamik.

Good understanding of testing and evaluation meth-

ods for the determination of overall vehicle and

vehicle dynamics behavior.

Meaning, purpose and theoretical contexts of acting

on motor vehicles forces and the laws of the longi-

tudinal, lateral and vertical dynamics are under-

stood and can be applied in practice.

Ability to investigate and optimize the influences of

sub-systems and components with regards to vehi-

cle dynamics.

Knowledge of funtional interactions of chassis con-

trol systems and driver assistance systems in terms

of vehicle dynamics.

Lehrinhalte:

Kräfte die der Reifen auf das Fahrzeug überträgt

Kinematik der Fahrzeugbewegung,

Längsdynamik mit Fahrwiderständen und Antrieb,

kraftschlussbedingte Fahrgrenzen, Bremsen,

Bremskraftverteilung und Bremskraftregelsysteme

Einspur- und Vierrad-Fahrzeugmodell, Eigenlenk-

verhalten, Fahrdynamik-Regelsysteme

Vertikalfederungs-Modelle, Vertikalschwingungen

Einführung in die Simulation der Kraftfahrzeugdy-

namik mit Anwendungen

Interaktion mit Fahrerassistenzsystemen

Module Contents:

Forces transmitted from the tire to the vehicle

Kinematics of the vehicle movement,

Longitudinal dynamics with driving resistance and

propulsion, a traction-induced movement limits,

brakes, brake-force distribution and brake control

systems

Single-track and four-wheel vehicle model, self-

steering response, stability control systems

Vertical suspension models, vertical vibrations

Introduction to simulation of vehicle dynamics with

applications

Interaction with advanced driver assistance systems

Teil 3:


Part 3:




available


Version 1.9 vom 28.12.2020




FA 201 09.10.2016 FA 201 09.10.2016


Mitschke, Wallentowitz: Dynamik der Kraftfahr-

zeuge

Ersoy, Heißing: Fahrwerkshandbuch

Winner, Hakuli: Handbuch Fahrerassistenzsysteme

Schindler: Fahrdynamik

Mitschke, Wallentowitz: Dynamik der Kraftfahr-

zeuge

Ersoy, Heißing: Fahrwerkshandbuch

Winner, Hakuli: Handbuch Fahrerassistenzsysteme

Schindler: Fahrdynamik





minutes).


Ohne/keine Einschränkung, alle nicht elektroni-

schen Hilfsmittel zugelassen und Nicht program-

mierbarer Taschenrechner


Without / no restriction, all non-electronic aids

allowed and Non-programmable calculator


Version 1.9 vom 28.12.2020

FA 202 Computer Vision


Computer Vision Computer Vision


FA 202 17.10.2016 FA 202 17.10.2016

Teil 1:


Part 1:

General Information






Prof. Dr. Klaus Ulhaas Prof. Dr. Klaus Ulhaas




Lecture: 2 SWS 5 CP







Lecture: 15 x 2,0 h = 30,0 h





Deutsch

German


Pflicht

Compulsory




- -


Die Lehrveranstaltung vermittelt theoretische und

praktische Grundlagen aus dem Bereich der

Computer Vision. Computer Vision Methoden

werden durch den Einsatz der OpenCV-Library

erkundet.

The course s an introduction to the topic of driver

assistance systems and gives an over-view of driver

assistance systems, their use and their development,

particularly with regard to aspects of functional

safety.


Version 1.9 vom 28.12.2020


Computer Vision Computer Vision


FA 202 17.10.2016 FA 202 17.10.2016

Teil 2:


Part 2:



keine none


Die Studierenden sind in der Lage ...

• den theoretischen Hintergrund ausgewählter

Verfahren der Computer Vision und der OpenCV

zu erklären.

• die gelernten Verfahren zu kombinieren und mit

der OpenCV in C++ auf Beispiele aus der Praxis

zu übertragen.

- • die projektive Geometrie für Ein- und Zweikamerasysteme zu verstehen, sowie die

grundlegenden Schritte zur Triangulation

wiederzugeben und zu berechnen.

Students will have the ability to ...

• explain the theoretical background of a subset of

computer vision methods.

• combine computer vision approaches and to apply

them to practical applications using OpenCV and

the C++ programming language.

• understand projective geometry of one and two

camera systems as well as reflect and compute the

basic principles of triangulation.


- Einführung in OpenCV - 2D Computer Vision:

Segmentierung,

Filteroperationen,

Objekterkennungsmethoden

Merkmalserkennung

Homographie-Abbildungen - 3D Computer Vision:

Kamerakalibration,

3D Szenengeometrie

- Introduction to OpenCV - 2-d Computer Vision:

segmentation,

filter operations,

object detection me

Documents

Masterstudiengang Fahrerassistenzsysteme · 2020. 12. 29. · Fahrerassistenzsysteme entwickelt werden und wie und wo auf der Welt Sie sich ganz persönlich einbringen können. Fahrerassistenzsysteme,