Skriv ut som pdf om du vill ha en pdf! Om du vill ha en snyggare utskrift, klicka bort webbläsarens automatiskt tillagda sidhuvud och sidfot.

Blekinge Tekniska Högskola
Institutionen för teknik och estetik

Revision: 2
Dnr: BTH-4.1.14-0436-2024


Kursplan

Introduktion till hybridsystem med radar och kamera

Introduction to hybrid radar and camera system

6 högskolepoäng (6 credits)

Kurskod: DV2655
Huvudområde: Datavetenskap
Utbildningsområde: Tekniska området
Utbildningsnivå: Avancerad nivå
Fördjupning: A1N - Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav

Undervisningsspråk: Engelska
Gäller från: 2024-04-23
Fastställd: 2024-04-23

1. Beslut

Denna kurs är inrättad av dekan 2023-12-23. Kursplanen är fastställd av prefekten vid institutionen för teknik och estetik 2024-04-23 och gäller från 2024-04-23.

2. Förkunskapskrav

För tillträde till kursen krävs 60 avklarade hp i datavetenskap varav 6 hp i programmering.

3. Syfte och innehåll

3.1 Syfte

Kursen behandlar grundläggande och avancerade djupinlärningsmetoder inom sensorfusion som kan användas för en rad olika uppgifter i hybridradar- och kamerasystem. Utöver det teoretiska innehållet får studenterna bekanta sig med olika funktioner i djupinlärningsverktyg för att designa, träna och felsöka neurala nätverk i praktiken på verkliga hybridradar- och kamerasystem.

3.2 Innehåll

  • Grundläggande bildtagning med kamera
  • Grundläggande bildbehandling och filtrering
  • Grundläggande radarteknik
  • Grunder inom djupa neurala nätverk för regressionsproblem
  • Grund inom FMCW radar
  • Sensorfusion med kamera och radar
  • Data association och sensorsynkronisering
  • Sensorfusion, objektdetektering och spårning
  • Implementering objektdetektering från hybridsystem med kamera och radar

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

  • redogöra för och förstå processen för kamerabildtagning
  • redogöra för och förstå processen för radarskanning
  • redogöra för och förstå regressionsproblematiken
  • förstå grundläggande idéer om hur djupa neurala nätverk kan användas för regressionsproblematiken
  • redogöra för och känna igen problematiken med hybridsystem
  • redogöra för och förstå var och hur sensorfusion kan användas

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

  • tillämpa objektdetektering med sensorer som kamera och radar
  • implementera objektdetektering i hybridsystem med kamera och radar
  • implementera objektspårning och rörelseanalys i hybridsystem med kamera och radar
  • använda och implementera applikationer inom djupa neurala närverk för hybridsystem med kamera och radar
  • implementera grundläggande algoritmer med lämpliga modifieringar för data som finns tillgängliga, fusionsdata från hybridsensorer.

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

  • självständigt och kritiskt utvärdera och analysera sina lösningar
  • skriva en teknisk rapport som på kortfattad teknisk prosa beskriver arbetet runt analys och validering av ett relevant hybridsystemproblem samt objektdetektering och spårning.

5. Läraktiviteter

Kursen ges som campuskurs. Undervisningen består av föreläsningar, övningar, laborationer och projekt.

Föreläsningarna presenterar teorier och bidrar till den teoretiska förståelsen som krävs för att genomföra kursen. Övningar, laborationer och projekt tillämpar teorin i praktiska moment. Projekt och laborativa momenten genomförs i grupp.

I kursen förutsätts att studenten har, eller skaffar sig, förmågan att självständigt söka information för att lösa problem och svårigheter som dyker upp

6. Bedömning och examination

Examinationsmoment för kursen

Kod Benämning Omf. Betyg
2410 Salstentamen 2,0 hp AF
2420 Laboration 1,0 hp GU
2430 Projekt 3,0 hp AF

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, FX Otillräckligt, komplettering krävs, F Underkänd.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Kursmatrial från institutionen