2024, Masterarbeit, Reddy Katikireddy Harsha Vardhan
 

Betreuung durch M.Sc. Arnaud Ngamakoua Hakoua

Die Motorsportbranche befindet sich in einem Umbruch, der durch den Bedarf an verbesserten Systemen zur Fahrzeugverfolgung und Geschwindigkeitsschätzung angetrieben wird, die mit dem zunehmenden Wettbewerb und den sich entwickelnden technologischen Anforderungen Schritt halten können. Herkömmlichen Ortungssystemen mangelt es oft an der Präzision und Reaktionsfähigkeit, die für Hochgeschwindigkeitsumgebungen erforderlich sind, in denen Echtzeitdaten für die Leistungsoptimierung und Sicherheit entscheidend sind. Die Integration von Internet-of-Things-Technologien (IoT) und digitalen Zwillingen stellt einen revolutionären Ansatz zur Bewältigung dieser Herausforderungen dar. Die Integration von KITechnologien, insbesondere von Deep-Learning-Algorithmen, ist jedoch für die Verarbeitung der riesigen Datenmengen von entscheidender Bedeutung.

Diese Arbeit zielt darauf ab, einen grundlegenden Rahmen zu schaffen, der Deep-Learningbasierte Methoden, insbesondere das YOLOv8-Modell zur Objekterkennung und den DeepSORT-Algorithmus zur Verfolgung, mit IoT- und digitalen Zwillingskonzepten integriert. Durch die Entwicklung eines Systems, das qualitativ hochwertige Bilder von Intel RealSenseund ZED2-Kameras sowie einen auf den spezifischen Anwendungsfall zugeschnittenen Datensatz nutzt, soll diese Arbeit die Grundlage für weitere Fortschritte bei der Hochgeschwindigkeitsfahrzeugverfolgung schaffen. Dieser Rahmen adressiert nicht nur aktuelle Beschränkungen, sondern schafft auch die Voraussetzungen für zukünftige Integrationen mit IoT- und digitalen Zwillingstechnologien, die letztendlich die datengesteuerte Entscheidungsfindung und das Potenzial digitaler Zwillinge in der realen Welt verbessern.