© Sabine Glesner
Studierendenprojekte
Jedes Sommersemester bieten wir in den Modulen Masterprojekt Software-Engineering eingebetteter Systeme (MPSEES) und Projekt Entwurf eingebetteter Systeme (EES) Studierenden die Möglichkeit, sich mit komplexen Fragestellungen aus dem Bereich Embedded Systems Engineering praktisch auseinanderzusetzen.
Die Studierenden entwickeln zu wechselnden Ausgangsfragestellungen iterativ ein Produkt. Die Arbeit erfolgt in großen Teams von etwa 6 Studierenden. Regelmäßig finden Rücksprachen und Meilensteine statt.
Auf dieser Seite finden Sie eine Übersicht über die Projekte der vergangen Jahre.
Sommersemester 2023
Sicheres und effizientes autonomes Fahren
Ein Fahrzeug bewegt sich autonom in einem Straßennetz. Das Netz enthält POIs, die durch farbige Markierungen gekennzeichnet sind. Der Roboter besitzt eine präzise Karte seiner Umgebung. Über ein Frontend kann ein Zielort ausgewählt werden, zu dem der Roboter dann auf dem kürzesten Weg fährt. Unter keinen Umständen darf der Roboter die gekennzeichneten Wege verlassen.
Als Hardware dient ein Raspberry Pi 4, der über einen Lego Build HAT mit Lego SPIKE Sensoren und Motoren kommuniziert. Zur Objekterkennung wird eine Raspberry Pi Kamera verwendet.
Das Thema wurde von zwei Teams bearbeitet:
- Team 1: Vlad-Andrei Cristescu, Lucas Holdermann, Sören Junghans, Felix Knopp, Niklas Peters, Yitong Qu
- Team 2: Jakob Arndt, Andrijan Bär, Yufan Dong, Niklas Halle, Christian Helbig, Fabian Riepel
Betreuer: Paul Kogel
Sicheres Manövrieren von Objekten
© Sabine Glesner
Ein Roboterarm soll Objekte greifen und im Raum bewegen. Der Arm verfügt über mehrere Freiheitsgrade. Durch intelligente Pfadplanung sollen Kollisionen mit Objekten im Raum vermieden werden. Aufträge können über ein Frontend an den Arm gesendet werden.
Als Hardware dient ein Raspberry Pi 4, der über einen Lego Build HAT mit Lego SPIKE Motoren kommuniziert.
Das Thema wurde von einem Team bearbeitet:
- Team 1: Johann Bahl, Tim Grutzeck, Dan Lennard Hänsch, Alexandra Raeder, Daniel Taubkin, Felix Wächter
Betreuer: Willie Szollmann
Objekterkennung und -verfolgung
© Sabine Glesner
Eine Kamera ist an einem Roboterarm befestigt. Der Arm verfügt über mehrere Freiheitsgrade. Mittels Objekterkennung soll ein Objekt erkannt und durch geeignete Steuerung des Arms verfolgt werden.
Als Hardware dient ein Raspberry Pi 4, der über einen Lego Build HAT mit Lego SPIKE Motoren kommuniziert. Zur Objekterkennung wird eine Raspberry Pi Kamera verwendet.
Das Thema wurde von einem Team bearbeitet:
- Team 1: Ahmed Abdulfattah, Tom Hersperger, Silvan Josten, Max Krüger, Konstantin Lenz, Dilsat Pektas
Betreuer: Willie Szollmann
Sommersemester 2022
Intelligente Assembly Line
© Paul Kogel
Ein Roboter sortiert automatisch Objekte, die auf einem Fließband ankommen. Dazu analysiert der Roboter die Objekte mit Sensoren und legt diese in passenden Behältern ab. Als Hardware dient Lego Mindstorms NXT, der über Bluetooth mit einem Backend kommuniziert.
Das Thema wurde von zwei Teams bearbeitet:
- Team 1: Filip Rejmus, Sang Woo Bae, Tristan Brech, Timo Oeltze, Luca Jungnickel, Richardt Joergensen
- Team 2: Ben Nikolas Baute, Sophia Patrizia Elsholz, Andres Felipe Garcia Roman, Christopher Hansen, Kilian Leonard Krause, Elias Maik Tretin
Betreuerin: Verena Klös
Sicheres und effizientes autonomes Fahren
© Paul Kogel
Ein Fahrzeug bewegt sich autonom in einem Straßennetz. Das Netz enthält QR Codes, die als Landmarks dienen. Zu Beginn kennt der Roboter die Umgebung nicht. In der ersten Phase erstellt er eine vollständige Karte der Straßen und Markierungen. Diese verwendet er in der zweiten Phase, um auf Befehl den kürzesten Weg zu einer Markierung zu fahren. Unter keinen Umständen darf der Roboter die Straßenmarkierungen verlassen. Als Hardware dient ein Lego Mindstorms NXT, der mit einem Raspberry Pi über Bluetooth kommuniziert. Der Pi verwendet eine Kamera, um die QR Codes und Straßenmarkierungen zu erkennen.
Das Thema wurde von zwei Teams bearbeitet:
- Team 1: Wilfred Möller, Ngan Huyen Thi Nguyen, David Noel Scherer, Maria Ter-Minasyan, Felix Wietheger
- Team 2: Görris Voß-Hagen, Leon Marius Moll, Nazar Sopiha, Nick Jörn Stender, Rami Suleiman Ahmad Abu Sitta, Simon Bonaventura Ertlmaier
Betreuer: Paul Kogel
Laufen Lernen mit Reinforcement Learning
© Paul Kogel
Ein humanoider Roboter soll mit Reinforcement Learning lernen, auf einer geraden Linie laufen. Das Modell wird zunächst im Robotersimulator Webots trainiert. Das trainierte System wird anschließend auf Lego Mindstorms NXT Hardware übertragen.
Das Thema wurde von einem Team bearbeitet:
- Team 1: Andreas Flohr, Feng Ji, Isabel Wange, Hazar Öztürk, Youssef Rihane
Betreuer: Willie Szollmann
Sommersemester 2021
Autonomer Fahrzeugplatoon
© Trucks Team 2
Eine Flotte von Trucks bewegt sich autonom durch ein Straßennetz. Die Trucks erhalten Aufträge zum Abholen und Liefern von Objekten an bestimmte Punke. Die Trucks erledigen die Aufträge sicher und möglichst effizient. Wenn möglich und sinnvoll, bewegen sich die Trucks im Platoon. Die Steuerung stellt sicher, dass die Straße nie verlassen und ein Mindestabstand zu anderen Trucks gehalten wird. Die Umgebung wird im Robotersimulator Webots simuliert. Die Steuerungslogik ist in Ada programmiert und formal mit Ada SPARK verifiziert.
Das Thema wurde von zwei Teams bearbeitet:
- Team 1: Elias Mohammedi, Anders Hausding, Yi Xiao, Jan Remy, Yiqiang Zhang, Julian Klein
- Team 2: Teodor Janez Podobnik, Lubna Yaqoob, René Kriegel, Cheng Peng, Ayusch Khajuria, Yuke Qian
Betreuer: Paul Kogel
Intelligente Ampelsteuerung
© Traffic Team 2
Es wird eine Kreuzung mit mehreren Ampeln und Fahrzeugen simuliert. Die Ampeln werden für optimalen Verkehrsfluss geschaltet. Dazu wird ein Reinforcement-Learning Modell trainiert.
Das Thema wurde von zwei Teams bearbeitet:
- Team 1: Jonas Allmann, Reyk Carstens, Maximilian Pomplun, Jonathan Vogel, Lucas Völz, Luca Zwank
- Team 2: Lars Peer André Bonczek, Christian Helbig, Antonia Köngeter, Marc-Fabio Pascal Niemella, Nico Rohland, Volodymyr Shcherbyna, Franz Martin Zuther
Betreuer: Willie Szollmann
Sommersemester 2020
Autonomes Sammeltaxi
© Team Cab Service 1 2020
Mehrere Taxis bewegen sich autonom in einem Straßennetz. Nutzende können eine Fahrt von einem Start- zu einem Zielort buchen. Das System sorgt dafür, dass die Anfragen schnell und effizient verarbeitet werden, indem es z.B. Fahrten kombiniert. Die Steuerung stellt sicher, dass die Straße nie verlassen wird und es nicht zur Kollision mit Hindernissen kommt. Die Umgebung wird im Robotersimulator Webots simuliert. Die Steuerungslogik ist in Ada programmiert und formal mit Ada SPARK verifiziert.
Das Thema wurde von drei Teams bearbeitet:
- Team 1: Florentin Ehser, Julian Hartmer, Chanki Hong, Maximilian Weisenseel, Christopher Woggon
- Team 2: Niklas Schröder, Tabea Gnade, Nicolai Probst, Julian Aliabadi, Thomas Paul Kilian, Nikolay Nikolov
- Team 3: Henrik Claßen, Felix Heimann, Luyanda Mlangeni, Gerda Zsejke Móré, Yue Wang
Betreuer: Paul Kogel
Sichere Exploration mit Reinforcement Learning
© Team RL 2 2020
Ein Fahrzeug bewegt sich autonom in einer unbekannten Umgebung. Mittels Reinforcement Learning lernt das System, möglichst schnell zu einem Ziel zu gelangen. Die Steuerung stellt sicher, dass es nicht zur Kollision mit Hindernissen kommt. Die Umgebung wird im Robotersimulator Webots simuliert.
Das Thema wurde von drei Teams bearbeitet:
- Team 1: Mats Kipper, Jonas Dommes, Shanshan Yin, Fabian Peddinghaus, Rui Li, Wladimir Assmann, Per Joachims
- Team 2: Maximilian Neumann, Marvin Springer, Christian Förster, Thanh Daniel Dang, Liqun Zhang, Fengxi Xie, Guozhen Liang
- Team 3: Chang Liu ,Yue Wang ,Ke Wang ,Yikai Wang ,Yongzhe Qian, Mingda Xu
Betreuer: Willie Szollmann
Intelligente Assembly Line
© Team Assembly Line 2020
Ein Roboter sortiert automatisch Objekte, die auf einem Fließband ankommen. Dazu analysiert der Roboter die Objekte mit einer Kamera und legt diese in passenden Behältern ab. Die Umgebung wird im Robotersimulator Webots simuliert.
Das Thema wurde von einem Team bearbeitet:
- Team 1: Kevin Chen, Christoph Elias Ehmendörfer, Lukas Masjosthusmann, Felix Pichelbauer, Yunhan Zhang
Betreuerin: Verena Klös
