Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Járművek intelligens szenzor rendszerei

    A tantárgy angol neve: Intelligent Sensor Systems of Vehicles

    Adatlap utolsó módosítása: 2009. november 19.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Mérnök informatikus szak, MSc képzés   

    Villamosmérnöki szak, MSc képzés   

    Járműirányító rendszerek mellékszakirány   

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIIIM333 3 2/1/0/v 4  
    3. A tantárgyfelelős személy és tanszék Dr. Loványi István György,
    4. A tantárgy előadója

    Dr. Loványi István egyetemi docens

    Kertész Zsolt egyetemi tanársegéd

    5. A tantárgy az alábbi témakörök ismeretére épít Matematika, Szabályozástechnika
    6. Előtanulmányi rend
    Kötelező:
    NEM ( TárgyEredmény( "BMEVITMMA10" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVITMMA10", "FELVETEL", AktualisFelev()) > 0)


    A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

    A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

    Ajánlott:
    Járműirányítási rendszerek elmélete
    7. A tantárgy célkitűzése

    A tárgy bemutatja az intelligens szenzorrendszerek elméleti alapjait és azokat a legfontosabb érzékelési, jelfeldolgozási elveket, tervezési és alkalmazás-integrációs megfontolásokat, melyekkel hatékonyan megoldhatók az autonóm járműnavigáció, vagy akár a gyártásautomatizálás, orvosi diagnosztika, stb. műszerezési problémái is. A téma aktualitására jó példa – sok más alkalmazási terület mellett – hogy a biztonságot szolgáló elektronikus rendszerek (ABS/ASR, EBS, ESP) után megjelentek a járműintelligenciát növelő olyan új beágyazott szenzor- és irányítási megoldások, melyek a vizuális érzékelésen, szenzorfúzión és robusztus adatintegráción alapulnak.

    A tárgy hallgatói előzetesen megismerhették a mechatronika, ezen belül kiemelten a járműirányítás vagy a robotika, gyártásközi minőségellenőrzés és egyéb érzékelés-intenzív alkalmazási terület műszerezésében használt alapvető módszereket és eszközöket. Ezen ismeretek elmélyítése és elsősorban a korszerű szenzortechnikára fókuszáló kiegészítése révén a tárgyat sikeresen abszolváló hallgatók közre tudnak működni intelligens szenzorrendszerek tervezésének, implementálásának és alkalmazásokba való integrálásának multidiszciplináris folyamatában.

    8. A tantárgy részletes tematikája

    13 tényleges oktatási hét: 26 előadási + 13 tantermi gyakorlati óra. A gyakorlatok az elméleti előadás módszereit alkalmazási példák keretében mutatják be. Az előadások tematikája: 

    1. Általános érzékelő terminológiák és karakterisztikák, kalibráció. Mérendő mennyiségek és érzékelési elvek áttekintése.

       

    2. Mechatronikai rendszerek, érzékelők modellezése. Analóg helyettesítő képek módszere, Bond gráf.

       

    3. Virtuális műszerezés. Mérésadatgyűjtés, analízis, adatkezelés, megjelenítés és vezérlés Labview platformon.

       

    4. Szenzorcsatolás autonóm intelligens rendszerekben. Járművezető – jármű(vek) – környezet kölcsönhatásainak külső érzékelési problémái.

       

    5. Miért szenzorhálók? Térben, időben elosztott monitorozás. Kollaboratív jelfeldolgozás. Érzékelő adatbázisok sajátosságai. Szenzorfúzió. Szenzoradatok redundanciája, aggregálás, tömörítés. Robusztus információ fúzió.

       

    6. MEMS érzékelők. Plug-and-play, Smart szenzorok. Skálázható, önszervező, hibatűrő szenzorhálók.

       

    7. Elterjedtebb soros, párhuzamos, vezetéknélküli szenzor interfész technikák. Mobil, vezetéknélküli kommunikáció szenzorhálókban. Biztonságkritikus protokollok és architektúrák. Energia-hatékonyság. CrossBow platform. Ad-hoc routing. Smart Dust. RFID.

       

    8. Vizuális érzékelési problémák számbavétele és tipikus megoldásai intelligens járművekben. Alakfelismerés, ütközésfigyelés, objektumkövetés, sávelhagyás.

       

    9. Vizuális visszacsatolás. Vizuális ellenőrző jel (képjellemzők) optimális megválasztásának kritériumai. Fényviszonyoktól és egyéb zajhatásoktól független nagysebességű objektumfelismerő és –követő szenzorrendszerek és algoritmusok. Objektum szegmentálás idő- és tértartományban. Optical flow és SSD algoritmus.

       

    10. Intelligens járművek korszerű külső és belső szenzorai. Önkalibráló járműnavigáció szenzorfúzióval. Navigációs szenzorok megválasztása, navigációs algoritmus és valósidejű implementáció.

       

    11. Járművezető monitorozása bioszenzorokkal, biometrikus azonosítás, humán mozgásdetektálás, egészségmonitorozás korszerű szenzorai.

       

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tárgy előadásból és az előadás anyagát illusztráló gyakorlatokból áll.
    10. Követelmények 1 zárthelyi a szorgalmi időszakban. Az aláírás feltétele legalább elégséges osztályzat. A Zh eredménye 20% arányban beszámít a vizsgajegybe.
    11. Pótlási lehetőségek

    A zárthelyi a szorgalmi időszakban és a pótlási héten pótolható.

    12. Konzultációs lehetőségek

    Vizsga előtt, igény és egyeztetés szerint.

    13. Jegyzet, tankönyv, felhasználható irodalom Loványi-Kertész: Járművek intelligens szenzor rendszerei segédlet. BME Irányítástechnika és Informatika Tanszék, 2008.
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra15
    Felkészülés zárthelyire15
    Házi feladat elkészítése
    Kijelölt írásos tananyag elsajátítása
    Vizsgafelkészülés48
    Összesen120
    15. A tantárgy tematikáját kidolgozta

    Dr. Loványi István egyetemi docens

    Kertész Zsolt egyetemi tanársegéd