HFTor - HfT Open Repository (Hochschule für Technik Stuttgart)
Not a member yet
404 research outputs found
Sort by
Continuous High-Precision Positioning in Smartphones by FGO-Based Fusion of GNSS–PPK and PDR
No full textThe availability of raw Global Navigation Satellites System (GNSS) measurements in Android smartphones fosters advancements in high-precision positioning for mass-market devices. However, challenges like inconsistent pseudo-range and carrier phase observations, limited dual-frequency data integrity, and unidentified hardware biases on the receiver side prevent the ambiguity resolution of smartphone GNSS. Consequently, relying solely on GNSS for high-precision positioning may result in frequent cycle slips in complex conditions such as deep urban canyons, underpasses, forests, and indoor areas due to non-line-of-sight (NLOS) and multipath conditions. Inertial/GNSS fusion is the traditional common solution to tackle these challenges because of their complementary capabilities. For pedestrians and smartphones with low-cost inertial sensors, the usual architecture is Pedestrian Dead Reckoning (PDR)+ GNSS. In addition to this, different GNSS processing techniques like Precise Point Positioning (PPP) and Real-Time Kinematic (RTK) have also been integrated with INS. However, integration with PDR has been limited and only with Kalman Filter (KF) and its variants being the main fusion techniques. Recently, Factor Graph Optimization (FGO) has started to be used as a fusion technique due to its superior accuracy. To the best of our knowledge, on the one hand, no work has tested the fusion of GNSS Post-Processed Kinematics (PPK) and PDR on smartphones. And, on the other hand, the works that have evaluated the fusion of GNSS and PDR employing FGO have always performed it using the GNSS Single-Point Positioning (SPP) technique. Therefore, this work aims to combine the use of the GNSS PPK technique and the FGO fusion technique to evaluate the improvement in accuracy that can be obtained on a smartphone compared with the usual GNSS SPP and KF fusion strategies. We improved the Google Pixel 4 smartphone GNSS using Post-Processed Kinematics (PPK) with the open-source RTKLIB 2.4.3 software, then fused it with PDR via KF and FGO for comparison in offline mode. Our findings indicate that FGO-based PDR+GNSS–PPK improves accuracy by 22.5% compared with FGO-based PDR+GNSS–SPP, which shows smartphones obtain high-precision positioning with the implementation of GNSS–PPK via FGO
Beurteilung aktueller Bemessungsansätze für Torsion mit Biegung und Querkraft anhand nationaler und internationaler Versuchsergebnisse
No full textAttracting institutional investors to low temperature DHC networks, Report on the EU-Funded Project REWARDHeat
No full textEin Tool für kommunale Sanierungsstärke
No full textIm EU-Forschungsprojekt W4RES (Laufzeit: 2020-2023) stand die Förderung der Beteiligung von Frauen an Projekten im Bereich erneuerbare Energien im Fokus. Eine Reihe deutscher Kommunen und Klimaschutzmanagerinnen nutzten das Angebot insbesondere für eine energetische Potenzialanalyse zur Einsparung von Energie und zur Steigerung des Anteils erneuerbaren Energien im Gebäudesektor. Ein Team der HFT Stuttgart stellt sich mit der Ausgründung FÜNF PROZENT GmbH diesen Herausforderungen, um Kommunen bei der Dekarbonisierung des Gebäudebestands zu unterstützen
Computer-Based Methods for Adaptive Teaching and Learning
No full textIn this chapter, we illuminate how the learning process in the initial phase of studies can be individualized through digital enrichment. To do this, we first summarize the results of a study on the concept of Computer Based Learning in Classroom (CBL). CBL, as defined in [5, 7], is a Blended Learning concept which addresses the heterogeneity of prior knowledge by allowing students to work independently in a highly structured digital learning environment under face-to-face guidance. Furthermore, we show how the enrichment of CBL with E-Assessments affects learning success. Finally, we delve into our current project of further individualizing the CBL concept. We offer the students adaptive tests that select test questions based on the students’ ability level and investigate the usage and acceptance behavior of students regarding this technological innovation. In sum, we show that CBL is a flexible, digitally enriched didactic concept that allows universities to better serve the needs of their students
Potenzial der Abwasserwärmenutzung aus dem Auslauf von Kläranlagen. Lokalisierung von Standorten in Baden-Württemberg.
No full textMit der Novelle des Klimaschutzgesetzes hat sich das Land Baden-Württemberg zum Ziel gesetzt, bis 2040 Klimaneutralität zu erreichen. Durch die Erstellung eines kommunalen Wärmeplans bis Ende 2023 soll in den Stadtkreisen und großen Kreisstädten Baden-Württembergs ein strategischer Planungsprozess etabliert werden, der lokale Maßnahmen zum Erreichen einer klimaneutralen Wärmeversorgung bis 2040 beinhaltet. Zusätzlich zur Biomasse, Geothermie, Solarthermie und Wärmegewinnung aus der Umgebungsluft kommen auch Abwasser und Faulgas als erneuerbare Energieträger für den Wärmesektor in Frage. In Baden-Württemberg fehlte bisher eine flächendeckende Untersuchung der Potenziale zur Abwasserwärmenutzung sowie die Sensibilisierung aller betroffener Akteure. Infolgedessen hat der DWA-Landesverband Baden-Württemberg mit Unterstützung des Ministeriums für Umwelt, Klima und Energiewirtschaft Baden-Württemberg und in Zusammenarbeit mit dem Institut für Energie- und Umweltforschung (ifeu, Heidelberg) und der IBS Ingenieurgesellschaft mbH (Bietigheim-Bissingen) im Rahmen einer Studie verschiedene Kernpunkte zum Thema „Abwasserwärmenutzung aus dem Auslauf von Kläranlagen in Baden-Württemberg“ bearbeitet
Multi-Modal Diffusion for Self-Supervised Pretraining
No full textSelf-supervised pretraining has been shown to greatly improve the performance and label-efficiency of Deep Learning models for multi-modal remote sensing applications. In this work, we explore the use of diffusion methods in a multi-modal setup as a means to pretrain architectures in a task-agnostic way. We qualitatively find that multi-modal diffusion processes are able to coherently learn information across multiple data-modalities. Fine-tuning the pretrained backbone on a segmentation task outperforms a supervised baseline model and is highly label-efficient, which is not the case when fine-tuned on a classification task
Prädiktionsgüte der Rückfederung in der Blechbearbeitung/Prediction quality of springback in sheet metal working – A comparative study of machine learning models
No full textDie Rückfederung ist ein für die Fertigungsgenauigkeit maßgeblicher Parameter bei Biegeprozessen. In dieser Studie wurde die Eignung von maschinellen Lernmethoden zur Vorhersage der Rückfederung geprüft und die Prädiktionsgüte der Vorhersagen evaluiert. Für den betrachteten Datensatz konnte die Rückfederung beim Biegen von Stahlblechen mit hoher Genauigkeit vorhergesagt werden. Für verschiedene Einsatzszenarien empfehlen sich verschiedene Lernmethoden und für den Gesamterfolg des Einsatzes von maschinellem Lernen erweist sich die Qualität der Trainingsdaten als ausschlaggebend