Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
Elektronik
Deals
Medien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 GenerationOnePlus 5 GenerationOnePlus 6 GenerationWeitere Modelle
SamsungAlle anzeigen
Weitere Modelle
SonyAlle anzeigen
Weitere ModelleXperia LXperia MXperia X
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
Zubehör
HuaweiAlle anzeigen
MatePad Pro Serie
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
Kamera Bundles
ObjektiveAlle anzeigen
SamyangZEISS
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
SmartwatchesAlle anzeigen
LGMotorolaSonyXiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Game Boy ClassicNintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
Zubehör
iPodAlle anzeigen
Zubehör

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Kollisionswarnung im urbanen Straßenverkehr auf Basis einer probabilistischen Situationsanalyse

Simon Herrmann (Broschiert, Deutsch)

Optischer Zustand
Beschreibung
Kreuzungen im urbanen Straßenverkehr sind Unfallschwerpunkte, die im Fokus der Fahrerassistenzforschung stehen. In dieser Arbeit wird ein System vorgestellt, das mit Hilfe einer probabilistischen Situationsanalyse eine Kollisionswarnung an Kreuzungen ermöglicht. Hierzu werden Verfahren zur Fahrerwarnung verwendet, die eine entwickelte Fahrerintentionsvorhersage zur Erhöhung der Prädiktionsgüte…  nutzen. Die Intentionen des eigenen Fahrers und von Fahrern anderer Fahrzeuge im Kreuzungsbereich werden mit einem probabilistischen Netz prädiziert. Dieses Netz verwendet Informationen eines graphenbasierten Umfeldmodells, Fahrdynamikdaten sowie Fahrereingaben. Die Intentionsprädiktion wird in dieser Arbeit mit Studiendaten aus Realfahrten evaluiert. Die Fahrerintentionsvorhersage sowie die Informationen des Umfeldmodells und Fahrdynamikdaten werden genutzt, um mehrere zukünftige Entwicklungen einer Szene mit probabilistischen Erreichbarkeitsmengen zu bestimmen. Diese beschreiben alle Orte, die ein Fahrzeug zu einem bestimmten Zeitpunkt mit einer gewissen Wahrscheinlichkeit erreichen kann. Diese Mengen werden für relevante Fahrzeuge im Kreuzungsbereich ermittelt und überlagert, um Kollisionswahrscheinlichkeiten abzuleiten. Ferner wird die prototypische Integration des Systems in ein Versuchsfahrzeug dargestellt. Neben der verwendeten Sensorik werden das genutzte HMI-Konzept sowie die entwickelte Systemarchitektur beschrieben.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 31,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Technische Daten


Erscheinungsdatum
30.07.2013
Sprache
Deutsch
EAN
9783832534578
Herausgeber
Logos Berlin
Serien- oder Bandtitel
AutoUni - Schriftenreihe
Sonderedition
Nein
Autor
Simon Herrmann
Seitenanzahl
156
Einbandart
Broschiert
Bandzählung
47
Schlagwörter
Fahrerassistenzsysteme, Kollisionswarnung, Bayes'sche Netze, Fahrerintention, Situationsanalyse
Thema-Inhalt
TJ - Elektronik, Nachrichtentechnik
Höhe
210 mm
Breite
14.5 cm

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!