Das Projekt- und Medienarchiv der HdM

DeepDrive-Duckietown

Ziel ist die Entwicklung eines autonomen Modellautos, das bestimmte Aufgaben wie das Erkennen von Schildern, das Erkennen eines Hindernisses und das Erkennen eines Fußgängers ausführen kann. Dazu wird die „Duckietown“ Plattform verwendet. Das Fahrzeug soll dabei entlang einer Modell-Straße fahren und auf die erkannten Objekte reagieren. Ein einfaches Motion-Planning soll realisiert werden, um mit den Ausgabedaten eines Neural Networks das Modellauto zu bewegen.
Zum Projekt wurden keine Video-Dateien gefunden

Beschreibung

Ziel ist die Entwicklung eines autonomen Modellautos, das bestimmte Aufgaben wie das Erkennen von Schildern, das Erkennen eines Hindernisses und das Erkennen eines Fußgängers ausführen kann. Dazu wird die "Duckietown" Plattform verwendet.
Das Fahrzeug soll dabei entlang einer Modell-Straße fahren und auf die erkannten Objekte reagieren. Die Erkennung der Schilder, Fußgänger und Hindernisse soll über ein Neural Network realisiert werden, das auf Objekterkennung spezialisiert ist. Es soll untersucht werden, wie Motion-Planning Algorithmen mit Hilfe der Ausgabedaten von Object Detection Neural Networks oder semantischer Bildsegmentierung effizient auf Embedded Systems realisiert werden können. Ein einfaches Motion-Planning soll realisiert werden, um mit den Ausgabedaten des Neural Networks das Modellauto in "Duckietown" zu bewegen.




Projektart

Projektarbeit

Semester

WS2019/2020

Beteiligte Studiengänge

Medieninformatik (Bachelor, 7 Semester)

Team
Ute Orner
Betreuer
Daniel Grießhaber, Johannes Maucher, Johannes Theodoridis
Ansprechpartner

Ute Orner

uo002@hdm-stuttgart.de

Software

TensorFlow

Programmierung

Python

Sonstiges

Duckietown