As part of the „Automated Driving Functions“ (AutoFahr) course, the students process the measurement results of various test drives on the test site of the HTW Dresden with Matlab. Various objects (parked vehicles, people) are detected and classified using lidar. The results are documented with the Matlab function publish() in html-format. An example of the evaluation can be found here:

Im Rahmen der Lehrveranstaltung „Automatisierte Fahrfunktionen“ (AutoFahr) bearbeiten die Studierenden die Messergebnisse verschiedener Testfahrten auf dem Testgelände der HTW Dresden mit Matlab. Es werden mittels Lidar unterschiedliche Objekte (parkende Fahrzeuge, Personen) detektiert und klassifiziert. Die Dokumentation der Ergebnisse erfolgt mit der Matlab-Funktion publish() im html-Format. Ein Beispiel für die Auswertung ist hier zu finden:

Herr Dr. Cao, der Gastwissenschaftler von der Jiliang-University Hangzhou, hat seine bisherigen Arbeiten in einem gemeinsamen Artikel in der Zeitschrift Applied Sciences (Open Access) veröffentlicht. Der Titel der Arbeit lautet: „Design and Experiments of Autonomous Path Tracking Based on Dead Reckoning“.

Es werden ausführlich die Vorgehensweise zur Erstellung einer automatisierten Fahrfunktion im unteren Geschwindigkeitsbereich für einen BMW i3 vorgestellt. Besonders wichtig ist auch die Entwicklung einer praxisnahen und einfachen Bewertungsmethodik für die Qualität der Spurführung. Diese Entwicklung war auch ein wesentlicher Bestandteil der Diplomarbeit von Herrn Ye Jin, einem Gaststudenten der ZUST Hangzhou.

Dr. Cao, the guest scientist from Hangzhou Jiliang University, published his previous work in a joint paper in the journal Applied Sciences (Open Access). The title of the work is: „Design and Experiments of Autonomous Path Tracking Based on Dead Reckoning“.

The procedure for creating an automated driving function in the lower speed range for a BMW i3 is presented in detail. The development of a practical and simple evaluation method for the quality of the lane guidance is also particularly important. This development was also an essential part of the diploma thesis of Mr. Ye Jin, a guest student from ZUST Hangzhou.

Am 28.11.2022 hat Fritz Blechschmidt seine Diplomarbeit zum Thema „Entwicklung einer Verkehrszeichenerkennung mittels Lidar- Sensorik“ erfolgreich verteidigt. Die Diplomarbeit (in deutscher Sprache) kann hier heruntergeladen werden:

On November 28th, 2022, Fritz Blechschmid successfully defended his diploma thesis on the topic „Development of traffic sign recognition using lidar sensors“. The diploma thesis (in German) can be downloaded here:

Im Wintersemester 2022 startete im Lehrgebiet Kfz-Mechatronik ein semesterübergreifendes Praktikumsprojekt. In der Vorlesung „Mechatronische Grundlagen“ im 3. Semester lernen die Studierenden die Funktionsweise moderner Assistenzsysteme am Beispiel der Einparkassistenz kennen. Im Fokus steht dabei der Test des Systems unter verschiedenen Randbedingungen. Hierbei unterstützt die Dresdner Firma TraceTronic GmbH durch die Bereitstellung eines Versuchhsfahrzeugs und der Testsoftware „ECU-Test„. In den folgenden Semestern entwickeln die Studierenden eigene Einparkfunktionen und bewerten diese. Das gesamte Konzept wurde auf der Tagung „AutoTest 2022“ vorgestellt.

In the winter semester of 2022, a cross-semester practical exercise project started in the field of automotive mechatronics. In the „Mechatronic Basics“ lecture in the 3rd semester, students learn how modern assistance systems work using the example of parking assistance. The focus is on testing the system under various boundary conditions. The Dresden company TraceTronic GmbH provides support by providing a test vehicle and the „ECU-Test“ test software. In the following semesters, the students develop and evaluate their own parking functions. The entire concept was presented at the „AutoTest 2022“ conference.

This video shows the autonomous driving and path tracking with pedestrian detection using Livox Lidar. In this demonstration, we used a Livox horizon Lidar mounted on the top of the BMW-i3 to detect pedestrians and vehicles based on a deep learning algorithm. In the right bottom corner of the video shows the point cloud and the detection result of the Lidar. 

We virtualized a 3D space in the point cloud to represent the vehicle’s possible driving trajectory space in the next period of time. If there is no pedestrians or obstacles in this 3D space, it is green, but if a pedestrian breaks into this 3D space, then it will turn red and the vehicle will stop moving forward. If the pedestrian goes out, the vehicle will keep going. This 3D space is synchronized in real time with the current position of the vehicle, which is obtained from a Simulink program. In this demonstration, the vehicle is controlled by a Simulink program run on a laptop, and the pedestrian detection program is run on a Nvidia Jetson, which is written in Python and driven by ROS, these two computers communicate with each other using TCP/IP protocol.

本视频展示了无人驾驶和轨迹跟踪以及使用Livox激光雷达实现在驾驶过程中的行人检测。在该演示中，我们使用了一个安装在BMW-i3顶部的Livox horizon激光雷达，并通过基于深度学习的算法来实现行人和车辆的检测。在右下角的示图中，显示的是激光雷达的点云和检测结果。

我们在点云中虚拟了一个三维空间来表示车辆在接下来的一段时间内可能的行驶轨迹，如果在空间中没有行人或者障碍物，那么这个三维空间的外框是绿色的，如果有行人闯进该空间，则会变成红色，同时会控制车辆停止前进，当行人走出这个三维空间时，车辆会继续前进。这个三维空间是与在Simulink的程序中所计算得到的车辆位置实时同步的。在该演示中，车辆控制是通过一个在笔记本上运行的Simulink程序来实现的，而基于激光雷达点云的行人检测是由Nvidia Jetson上的一个基于ROS和Python的程序来实现的，这两个电脑之间通过TCP/IP来进行实时通讯。