Emne - Sensorfusjon - TTK4250
TTK4250 - Sensorfusjon
Om emnet
Vurderingsordning
Vurderingsordning: Mappevurdering
Karakter: Bokstavkarakterer
| Vurderingsform | Vekting | Varighet | Hjelpemidler | Delkarakter |
|---|---|---|---|---|
| Hjemmeeksamen | 25/100 | 2 timer | ||
| Arbeider | 75/100 |
Faglig innhold
Eksempler på sensorfusjon. Stokastiske variabler og sannsynlighetsfordelinger. Konsepter i estimering: ML, MAP, MMSE estimator, totalsannsynlighetsteoremet, Bayes og ortogonalitetsprinsipp. Den multivariate Gaussfordelingen og produktidentiteten. Kalmanfilteret. Stokastiske prosesser drevet av hvit støy. Utvidet Kalmanfilter (EKF). Partikkelfiltere. Gaussiske miksturer. Hybride systemer og IMM-algoritmen. Dataassosiasjon i følging av ett og flere mål. PDAF og JPDA. Metoder for deteksjon og initiering av nye spor. Glatting. Multi-hypotese målfølging, heltallsprogrammering og PMBM. Løst koblet treghetsnavigasjonssystem (INS). Feilmodeller for INS. Feiltilstandsformulert Kalmanfilter for estimering av orientering. Ulineære navigasjonsmetoder. Standardmodellen for landemerke-basert SLAM og løsning via EKF. Dataassosiasjon for SLAM. Rao-Blackwellisering for SLAM. Informasjonsfilter. Grafiske SLAM-metoder. Praktisk implementasjon av metoder for målfølging, treghetsnavigasjon og SLAM.
Læringsutbytte
Kunnskap: Kunnskap om typiske anvendelser i sensorfusjon. Kunnskap om nøkkelresultater i sannsynlighetsregning og estimering. Kunnskap om lineære og ikke-lineære filtreringsteknikker. Kunnskap om målfølgingsmetoder. Kunnskap om modellering og implementering av treghetsnavigasjon. Kunnskap om landemerkebasert SLAM. Ferdigheter: Kunne bruke forskjellige estimeringsprinsipper i forskjellige estimeringsproblemer. Manipulere multivariate Gaussfordelinger. Implementere Kalmanfiltere for Gaussisk-lineære filtreringsproblemer. Analysere de stokastiske egenskapene til Gaussisk-lineær filtrering. Implementere målfølgingsmetoder for ett eller flere mål. Implementere metoder for landemerkebasert SLAM. Generell kompetanse: Kunne bruke fundamentale estimeringsprinsipper i samarbeid med andre fagdisipliner. Bevissthet om rollen som sensorfusjon spiller i automasjon. Bevissthet om styrker og svakheter til forskjellige sensorfusjonsmetoder.
Læringsformer og aktiviteter
Emnet gis som en kombinasjon av forelesninger, regneøvinger og dataøvinger. Dataøvingene vil inkludere implementasjon av sensorfusjonsmetoder på reelle data. Minimum 3 regneøvinger og 3 dataøvinger må være godkjent for å få ta eksamen.
Obligatoriske aktiviteter
- Øvinger
Mer om vurdering
Mappevurdering brukes til å bestemme endelig karakter i emnet. Karakteren avgjøres 55% av endelig skriftlige eksamen, og 45% basert på dataøvingene. Resultatet fra hver komponent oppgis som et prosent-tall, mens vurderingen av hele mappen gis som en bokstavkarakter. Eksamen gis kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk. Hvis det blir en kontinuasjonseksamen, kan eksaminasjonsformen bli endret fra skriftlig til muntlig. Alle tre dataøvingene (45%) må gjøres på ny i tillegg til skriftlig eksamen (55%).
Spesielle vilkår
Vurderingsmelding krever godkjent undervisningsmelding samme semester. Obligatorisk aktivitet fra tidligere semester kan godkjennes av instituttet.
Anbefalte forkunnskaper
TTT4275 Estimering, deteksjon og klassifisering er sterkt anbefalt.
Forkunnskapskrav
Minst ett av følgende emner (eller tilsvarende fra andre universiteter): TTK4115 Lineær systemteori, TTT4275 Estimering, deteksjon og klassifisering, TMA4268 Statistisk læring eller TMA4267 Lineære statistiske modeller.
Kursmateriell
Informasjon om kursmateriell gis ved semesterstart.
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Høyere grads nivå
Termin nr.: 1
Undervises: HØST 2020
Forelesningstimer: 3
Øvingstimer: 3
Fordypningstimer: 6
Undervisningsspråk: Engelsk, Norsk
Sted: Trondheim
- Teknisk kybernetikk
Eksamensinfo
Vurderingsordning: Mappevurdering
- Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
- Høst ORD Arbeider 75/100 INSPERA
-
Rom Bygning Antall kandidater -
Høst
ORD
Hjemme-eksamen (1)
25/100
Utlevering 24.11.2020
Innlevering 24.11.2020
Utlevering 09:00
Innlevering 11:00
INSPERA -
Rom Bygning Antall kandidater
- * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
- 1) Merk at eksamensform er endret som et smittevernstiltak i den pågående koronasituasjonen. Please note that the exam form has changed as a preventive measure in the ongoing corona situation.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"