Referenzen

Hier finden Sie eine Auswahl ausgewählter Referenzen, die sich auf unsere Arbeit im Bereich Algorithmen, APIs und Daten beziehen. Diese Beispiele demonstrieren unser tiefes technisches Verständnis und unsere Fähigkeit, innovative Lösungen in diesen entscheidenden Bereichen zu liefern, um die Anforderungen unserer Kunden zu erfüllen und ihre Visionen zu verwirklichen.

Kalman-Filter zur hochgenauen Positionsschätzung

Die Positionsbestimmung von Fahrzeugen mittels GPS ist heutzutage ein alltäglicher Bestandteil unseres Lebens. Wir verlassen uns auf satellitengestützte Navigation, um uns präzise und zuverlässige Standortinformationen zu liefern. Idealerweise ist die ermittelte Position auf der Erdoberfläche durch GPS Satelliten genau bestimmbar. Die Funksignale, die GPS-Geräte erreichen, sind anfällig für Hindernisse wie Gebäude und atmosphärische Störungen, die sich nachteilig auf die Genauigkeit unserer Positionsbestimmung auswirken können. Dies führt zu unerwünschten Ungenauigkeiten. Ideale Bedingungen für GPS Positionsbestimmung Realität bei der GPS Positionsbestimmung Die Position des Fahrzeugs kann mit Messungen mehrerer Satelliten bestimmt werden Gebäude oder Atmosphäre beeinflussen Signale und führen zu ungenauer Positionslösung Die Bestimmung der Fahrzeugposition allein mit GPS-Signale kann in bestimmten Situationen unzureichend sein.

Aktivitätserkennung mit Bewegungssensoren

Mit Hilfe von Beschleunigungs- und Drehratensensoren (z.B. aus einer IMU), können Aktivitäten erkannt werden. Die Klassifikatoren geben Hinweise auf Sitzen, Laufen, Fahrradfahren oder Joggen, ein Machine Learning Algorithmus schätzt die Aktivität. Mit über 97% Accuracy Score ist der Algorithmus in Echtzeit in der Lage zu erkennen, welche Aktivät das Gerät ausführt. Das folgende Video zeigt dies beispielhaft mit einer Tinkerforge IMU:

Car2X Connectivity Prediction API

Die CartoX API ist eine Schnittstelle zur Vorhersage der Fahrzeug-Konnektivität. Sie wurde im Rahmen des BMVI Forschungsprojekts CartoX² mit real gemessenen Car-2-X Daten trainiert und kann Vorhersagen zur Ausbreitung von WLANp Signalstärken rund um Fahrzeug-Kommunikationsinfrastruktur (so genannte Road Side Units) machen. Dabei prädiziert sie die zu erwartende Signalstärke (RSSI) in Abhängigkeit von Bebauung und örtlichen Gegebenheiten. Die CartoX API liefert Antwort auf die Fragen: Wie breitet sich das WLANp Signal aus?

Low Budget Car PC

Unser Low Budget Car PC ermöglicht ein individuelles und kostengünstiges Framework zur Datenaufzeichnung und Verarbeitung sowie zum Test eigener Algorithmen, welche für das Embedded Device erstellt werden können. Anwendungsbeispiele Die IMU (Inertial Measurement Unit) ermöglicht dabei die Lageerfassung sowie Drehraten- und Beschleunigungsmessung. Doch so einfach, wie es scheint, ist es nicht: Die IMU erfasst Roll-/Pitch- und Gierwinkel im globalen Koordinatensystem, d.h. nicht unbedingt im Fahrzeug-Koordinatensystem. Die ausgegebenen “Roll, Pitch, Yaw” Winkel können also nicht direkt zur Lageerfassung des Fahrzeugs genutzt werden.

Kontakt

MechLab Engineering UG (haftungsbeschränkt)

Dipl.-Ing. (FH) Paul Balzer

Paul Balzer

Geschäftsführer

Dipl.-Ing. (FH) Fahrzeugtechnik, Vermessungstechniker, Regionalleiter KI Bundesverband