Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Sensor SystemsModulbeschreibung #50891 / Version 5

← Zur Modulseite English version
Modul / Version#50891 / #5
GültigkeitSeit SoSe 2026
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

Compulsory area

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 ROS2
• Kenntnisse in Linearer Algebra und Analysis
• Grundlagen der Wahrscheinlichkeitstheorie, Statistik und Signalverarbeitung
• Grundlegende Kenntnisse in Computer Vision und Maschinellem Lernen
• Grundlagen der Zustandsschätzung zur Lokalisierung und Navigation

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Projekt40flexibelGruppenarbeit (6 Wochen)
Test 130schriftlich30 min
Test 230schriftlich30 min

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
WiSe 2026/273. Profilmodule › 3.4 Flugführung und Luftverkehr

Sonstiges

Keine Angabe