Dr. Loványi István egyetemi docens

Kertész Zsolt egyetemi tanársegéd

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

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.

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.

     

A zárthelyi a szorgalmi időszakban és a pótlási héten pótolható.

Vizsga előtt, igény és egyeztetés szerint.

Dr. Loványi István egyetemi docens

Kertész Zsolt egyetemi tanársegéd