Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Sensor SystemsModulbeschreibung #50891 / Version 4

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v5)
Modul / Version#50891 / #4
GültigkeitSoSe 2025 – WiSe 2025/26
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rBerth, Christian
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch, Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Luft- und Raumfahrt
Fachgebiet35341300 FG Flugführung und Luftverkehr

Kontakt

SekretariatF 3
Ansprechpartner*inBerth, Christian
E-Mail-Adressechristian.berth@tu-berlin.de
Webseitehttps://tu.berlin/ff/

Lernergebnisse

Nach erfolgreichem Abschluss des Moduls verfügen die Studierenden über:

Wissen:
• Eigenschaften, Funktionalität und Anwendungen von Sensoren wie LIDAR, RADAR und Kameras, speziell in autonomen Systemen.
• Mathematische und physikalische Prinzipien elektromagnetischer Wellen und der Signalausbreitung.
• Grundlagen der Sensordatenerfassung, -verarbeitung und -fusion.
• Sensordatengestützte Methoden der Zustandserfassung und Navigation, z. B. SLAM, Optical Flow
• Machine Learning Techniken zur sensorgestützten Objekterkennung, -klassifikation und -segmentierung.
• Herausforderungen in der autonomen Navigation, Hinderniserkennung und Umgebungswahrnehmung.

Fähigkeiten:
• Verarbeitung von Rohdaten aus LIDAR-, RADAR-, IMU- und Kamerasensoren zu verwendbaren 2D- und 3D-Informationen.
• Integration und Synchronisation von Daten mehrerer Sensoren.
• Nutzung und Entwicklung von Algorithmen zur Sensordatenverarbeitung, Zustandserfassung und Navigation.
• Integration von Machine Learning zur Lösung spezifischer Aufgaben.
• Implementierung von ROS2-basierten Systemen für eine einfache Kommunikation zwischen Sensoren und Auswertungsprogrammen.

Kompetenzen:
• Umgang mit Herausforderungen in (multi-)sensorgestützten Systemen, einschließlich Rauschen, Datenauflösung, Latenz und Umwelteinflüssen.
• Auswahl geeigneter Sensoren und Algorithmen zur Lösung sensorgestützter Navigations- und Erkennungsprobleme in kleinen Teams.
• Analyse und Test der Systemperformance.

Lehrinhalte

Vorlesungen:
• Übersicht über Sensoren und Koordinatensysteme
• Grundlagen elektromagnetischer Wellen und Signale
• RADAR (Pulsradar, FMCW)
• LIDAR und Verarbeitung von Punktwolken
• Optische Sensoren: EO/IR, Monokular- und Stereokameras
• Machine Learning Techniken zur Sensordatenverarbeitung
• Grundlagen der Zustandsbestimmung und Navigation (z.B. Kalman Filter)
• Sensorfusion, Herausforderungen und Systemperformance
• Grundlagen des Trackings (z.B. mit RADAR / Camera)

Übungen:
• Einführung in ROS2 (Python/C++)
• Elektromagnetische Wellen
• FMCW-Radar-Demo
• Verarbeitungstechniken für LIDAR-Punktwolken
• Kameras: Kalibrierung, Bildverarbeitung mit OpenCV
• Maschinelles Lernen: Datensatzgenerierung, Modellaufbau
• Objekterkennung mit YOLO
• Navigation basierend auf Sensordaten (z.B. SLAM / Optical Flow)
• Tracking von Objekten

Projekt:
• Nutzung, Modifikation und Implementierung von Algorithmen auf Basis von Sensordaten, um ein Fahrzeug eine spezifische Aufgabe ausführen zu lassen (in Kleingruppen).

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Sensor Systems for UASIntegrierte Veranstaltung Sommersemester[de]4 ISIS

Arbeitsaufwand und Leistungspunkte

Sensor Systems for UAS (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung158 h120 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesungen:
• Präsentationen mit Beispielen

Tutorien:
• Präsentationen mit Beispielen
• Demonstrationen
• Betreute Implementierung/Nutzung von Algorithmen und Software

Projekt:
• Bearbeitung individueller Aufgaben in Kleingruppen

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

• Grundlegende Kenntnisse in Python und/oder C++, vorzugsweise auch in ROS2
• Grundlagen Flugführung und Luftverkehr
• Aircraft Navigation
• Lineare Algebra
• Analysis I
• Grundlagen der Elektrotechnik

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheFranzösisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
EXAM1flexibel1.5h
PROJECT1flexibelGruppenarbeit

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 25.

Anmeldeformalitäten

Anmeldung zur Lehrveranstaltung:
- In der ersten Vorlesung oder Übung

Anmeldung zur Prüfung:
- Anmeldung über QISPOS
- In Ausnahmefällen über das Prüfungsamt

Die Anmeldefristen sind im StuPo zu finden bzw. werden bekannt gegeben.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Handbook of Microwave and Radar Engineering, Anatoly Belous
  • Introduction to Data Mining, Pang-Ning Tan, Anuj Karpatne, Michael Steinbach, Vipin Kumar

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Luft- und Raumfahrttechnik
StuPO 2018
SoSe 20253. Profilmodule › 3.4 Flugführung und Luftverkehr
WiSe 2025/263. Profilmodule › 3.4 Flugführung und Luftverkehr
SoSe 20263. Profilmodule › 3.4 Flugführung und Luftverkehr

Sonstiges

Keine Angabe