Im Teilprojekt 7, 'Virtual Reality Simulation' (VRS), des BMBF-Verbundvorhabens 'DeepC' wurden Methoden und Software-Werkzeuge zur Echtzeit-Simulation des DeepC-Fahrzeuges (AUV) in einer virtuellen Welt entwickelt. Dabei wurden folgende (neuartige) Aufgaben erfolgreich bearbeitet und gelöst: (1) die Modellierung, Visualisierung und Animation sämtlicher Aktivitäten um das AUV (Fahrzeug, Unterwasser-Umwelt, Hindernisse, Störgrößen) in einer virtuellen Welt in Echtzeit; (2) die Realisierung eines Echtzeit-3D-Visualisierungssystems für Bediener-geführte AUV-Fahrten in einer virtuellen Simulationsumgebung, wobei das über Sensoren (SONAR) nur eingeschränkt vorliegende Blickfeld dargestellt wird (virtuelles Sonarbild); (3) die Bereitstellung der VR-Simulation als Hilfsmittel für das Erarbeiten von Strategien des maschinellen Lernens, zum Training von Neuronalen Netzen für Ausweichmanöver im Rahmen der Entwicklung von Verfahren der aktiven Autonomie. Die entwickelten Methoden zur Umwelt- und Störgrößen-Modellierung basieren auf einem OcTree-Datenmodell. Dabei wird durch dynamisches Nachladen von Datenblättern sowohl hohe Detailgenauigkeit, als auch Speicher-Effizienz und Echtzeitfähigkeit erreicht.

    In subproject 7, 'Virtual Reality simulation' (VRS), of the BMBF-project 'DeepC', methods and software tools were developed for the real-time simulation of the DeepC vehicle (AUV) in a virtual world. Following novel tasks were carried out and successfully solved: (1) the modeling, visualization and animation of all activities around the AUV (vehicle, underwater environment, obstacles, variable disturbances) in a virtual world in real time; (2) the realization of a real-time 3D-visualisation system for operator-controlled AUV operation in a virtual simulation environment. In this mode, a virtual SONAR-sensor signal and sonar-image is generated by the VRS (virtual sonar); (3) the use of the VR-simulation as aids for the compilation of strategies for machine learning, to the training of neural nets for evasive maneuvers in the context of the development of procedures for the active autonomy of the AUV. Methods for the environmental and variable disturbance modeling, as developed, are based an a OcTree data model. Using dynamic reloading techniques of sub-region data sheets, both, high detail accuracy, as well as memory efficiency and real-time ability, are reached.


    Zugriff

    Zugriff prüfen

    Verfügbarkeit in meiner Bibliothek prüfen


    Exportieren, teilen und zitieren



    Titel :

    Virtual-Reality-Simulation (VRS) (Teilprojekt 7). BMBF-Verbundprojekt DeepC


    Weitere Titelangaben:

    BMBF compound project DeepC, subproject 7: Virtual Reality Simulation (VRS)


    Beteiligte:


    Erscheinungsdatum :

    2005


    Format / Umfang :

    24 Seiten, 17 Bilder, 1 Tabelle, 10 Quellen


    Medientyp :

    Report


    Format :

    Print


    Sprache :

    Deutsch





    PEM-fuel cell power in the autonomous underwater vehicle DeepC

    Hornfeld, Willi / Joerissen, Ludwig | Tema Archiv | 2005


    Fuel Cell Powered Autonomous Underwater Vehicle DeepC

    Joerissen, L. / Hamburg Messe und Congress GmbH | British Library Conference Proceedings | 2004


    DeepC : autonomes Unterwasserfahrzeug für große Tauchtiefen, Teilprojekt 3 ; Brennstoffzellensystem ; Bearbeitungszeitraum: 01. Januar 2001 - 31. Dezember 2005 ; Projekt

    Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg, Geschäftsbereich Energiespeicherung und -wandlung | TIBKAT | 2006

    Freier Zugriff

    Development Status of the Active Autonomous Underwater Vehicle AUV DeepC

    Hornfeld, W. | British Library Conference Proceedings | 2004