Domain Gap Analyse von Radardaten aus dem Automobilbereich (Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart)

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Technology
> mechanical engineering & production engineering

個数：

Domain Gap Analyse von Radardaten aus dem Automobilbereich (Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart)

Lang, Lukas

ウェブストア価格 ¥20,145（本体¥18,314）
Springer Vieweg（2025/11発売）
外貨定価 US$ 89.99
ポイント 183pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 127 p.
商品コード 9783658501198

Description

Radarsensoren aus dem Automobilbereich sind gegenüber Wetter- und Lichteinflüssen deutlich robuster als LIDAR- und Kamerasensoren. Lukas Lang behandelt daher zum einen die Verwendung von Radardaten für Kollisionserkennungen und ihrer Wahrscheinlichkeiten zwischen Verkehrsteilnehmern durch KI- und ML-Ansätze. Zum anderen wird der Einfluss verschiedener Datensätze auf das Ergebnis mittels einer Domain Gap Analyse untersucht. Die Studie konzeptioniert und implementiert dazu beide Bereiche und diskutiert die Ergebnisse.

Einordnung der Thematik zur Domain Gap Analyse von Radardaten und ihren Herausforderungen.- Konzeption der Herangehensweise zur Domain Gap Analyse von Radardaten.- Konzeption und Implementierung zur Vorhersage der Kollisionswahrscheinlichkeit zwischen Verkehrsteilnehmer und dem Ego-Fahrzeug mittels Radardaten.

Lukas Lang ist wissenschaftlicher Mitarbeiter am Institut für Fahrzeugtechnik der Universität Stuttgart als Mitglied des Fahrsimulatorteams und hat dort promoviert. Der Fokus seiner Tätigkeit liegt auf Umgebungs- und Sensorsimulationen und ihrer Validierung von simulierten zu realen Messdaten sowie deren Verwendung für KI- und ML-Anwendungen.