• search hit 2 of 12
Back to Result List

Machine Learning Showcase für TQ-Modul : Autonomes Fahren

Machine Learning Showcase for TQ-Module : Autonomous Driving

  • Diese Arbeit wurde extern bei der Firma TQ-System durchgeführt. Die Firma bietet seit kurzem ein Modul an, das über Hardwarebeschleunigung für neuronale Netze verfügt. Das Ziel der Arbeit ist es, für dieses TQ-Modul eine Demoapplikation zu erstellen, die dessen Fähigkeiten mit Machine Learning präsentiert. Im Zuge dieser Demo ist ein motorisiertes Modellauto in der Lage, selbstständig und nur mithilfe einer Weitwinkelkamera entlang einer abgesteckten Strecke zu steuern. Das Vorbild, dessen Ansatz bei der Entwicklung verfolgt wurde, ist ein 2016 demonstriertes selbstfahrendes Auto von Nvidia. Das Programm ist vollständig in Python geschrieben. Das verwendete Framework, mithilfe dessen das neuronale Netz erstellt und trainiert wurde, ist TensorFlow. Die Steuerung des Fahrzeugs funktioniert trotz begrenztem Entwicklungsaufwand und wenig Training sehr gut. Das Modellauto bleibt zuverlässig auf der Strecke und dank der Hardwarebeschleunigung bleibt die Berechnungszeit des trainierten neuronalen Netzes unter einer Millisekunde.
  • The work for this thesis was done externally at the company TQ-Systems. Since recently they offer a module that has support for hardware acceleration on neural networks. The goal of this work is to develop a demo application that demonstrates the machine learning capabilities of said module. The application makes a motorized model car drive on its own along a marked track, only using a single wide angle camera. The example, this application was developed after, is a self-driving car that was demonstrated by Nvidia in 2016. All programming was done in Python. The machine learning library TensorFlow was used to create and train the neural Network. Even though the development effort and the amount of training required was limited, the vehicle steering turned out to work very well. The vehicle is able to stay on the track rather reliably and thanks to the hardware acceleration, the processing time of the neural Network is below one millisecond.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Vincent Bamberger
URN:urn:nbn:de:bvb:m347-opus-3933
Place of publication:München
Contributor(s):Thomas Waldecker
Advisor:Manfred Gerstner
Document Type:Bachelor Thesis
Language:German
Date of Publication (online):2022/06/28
Year of first Publication:2022
Publishing Institution:Hochschule für angewandte Wissenschaften München
Granting Institution:Hochschule für angewandte Wissenschaften München
Date of final exam:2022/04/13
Contributing Corporation:TQ-Systems GmbH
Release Date:2022/07/01
GND Keyword:Autonomes FahrzeugGND; Künstliche IntelligenzGND; Maschinelles LernenGND; Neuronales NetzGND
Page Number:50
Departments and Institutes:Fakultäten der Hochschule München / FK 04 Fakultät für Elektrotechnik und Informationstechnik
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 60 Technik
0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
Illustrations:Illustration/en
Illustrations:grafische Darstellung/en
Licence (German):Keine CC-Lizenz, es gilt der Veröffentlichungsvertrag und das Deutsche Urheberrecht
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.