Am 10.10. ab 15 Uhr ist Tag der offenen Tür. Kommt vorbei!
Skip to content
Akkucontainer |
7.5kWh and 579V Maximalspannung |
Allradantrieb |
4x27kW |
Echtzeitsteuergerät |
Echtzeitsteuergerät “ETAS ES910” |
Software |
Umfangreiche Fahrdynamiksoftware |
Bremssystem |
Pneumatisch rückgestelltes Gasfederbremssystem |
Lenksystem |
Kompaktes Lenksystem |
Kameras |
Zwei Stereokamera-Arrays für die Objekterkennung und Tiefenermittlung |
Beschleunigungs- und Geschwindigkeitssensorik |
Beschleunigungs- und Geschwindigkeitssensorik fusioniert mit einem Inertial Navigation System (INS) |
Grafikverarbeitung |
NVIDIA Jetson AGX Xavier |
Umfelderkennung |
Objekterkennung durch Deep Learning Algorithmus |
Mapping / Localization |
Eigenentwickelter C++ Stack – vom Bild bis zur Lenkbewergung. Mapping, Clustering, Stereomatching, Triangulation, Delauney etc. |
Toolchain |
Weitreichende Toolchain: C++, ROS, Python, Matlab, IPG Carmaker, Docker, Catia V5 |
Trajektorienplanung |
Trajektorienplanung über modell-basierten Reinforcement Learning; das Auto lernt den schnellsten Pfad |
-
Technische Details Basisfahrzeug
-
Akkucontainer |
7.5kWh and 579V Maximalspannung |
Allradantrieb |
4x27kW |
Echtzeitsteuergerät |
Echtzeitsteuergerät “ETAS ES910” |
Software |
Umfangreiche Fahrdynamiksoftware |
-
Aktuatorik
-
Bremssystem |
Pneumatisch rückgestelltes Gasfederbremssystem |
Lenksystem |
Kompaktes Lenksystem |
-
Sensorik
-
Kameras |
Zwei Stereokamera-Arrays für die Objekterkennung und Tiefenermittlung |
Beschleunigungs- und Geschwindigkeitssensorik |
Beschleunigungs- und Geschwindigkeitssensorik fusioniert mit einem Inertial Navigation System (INS) |
-
Software
-
Grafikverarbeitung |
NVIDIA Jetson AGX Xavier |
Umfelderkennung |
Objekterkennung durch Deep Learning Algorithmus |
Mapping / Localization |
Eigenentwickelter C++ Stack – vom Bild bis zur Lenkbewergung. Mapping, Clustering, Stereomatching, Triangulation, Delauney etc. |
Toolchain |
Weitreichende Toolchain: C++, ROS, Python, Matlab, IPG Carmaker, Docker, Catia V5 |
Trajektorienplanung |
Trajektorienplanung über modell-basierten Reinforcement Learning; das Auto lernt den schnellsten Pfad |
Go to Top