Projekttagebuch der Uni Hamburg und TUHH

Im zweiten Teil der finalen Veranstaltung präsentierten die Teams ihre Kür-Aufgabe. Nachdem jedes Team erfolgreich seine Pflichtaufgabe gemeistert hatte, war der Enthusiasmus greifbar und es wurde ausgelassen geplaudert und mitgefiebert.
Folgende Kür-Aufgaben wurden präsentiert:

• Überholen
• Stoppen an Stoppschilder und Ampeln
• Rückwärtseinparken
• Verkehrsschilderkennung

Wir gratulieren dem Gewinnerteam!!!

Mit einer unglaublichen Zeit von 8.2Sekunden schafft es das Team 2 seine Verfolger hinter sich zu lassen. In einemnervenaufreibenden letzten Versuch unterbot das Gewinner-Team ihre eigne Bestzeit um weitere 0,3 Sekunden. Mit dieser Bestzeit waren sie eine halbe Sekunde schneller als ihre direkten Verfolger.
Durch das Beschränken auf einen sehr kleinen Bildausschnitt, der zu verarbeiten war, gelang es dem Gewinner-Team eine Bildrate von bis zu 90Hz zu realiseren und somit auch bei hohen Geschwindigkeiten ihr Fahrzeug entlang der Linie zu steuern.

Damit alles seine Richtigkeit hat, wurde das Rennen Schritt für Schritt dokumentiert. Unter dem wachsamen Auge der Rennleitung bildet sich schnell zwei Felder, die Teams mit Rundenzeiten von unter 10 Sekunden und die Teams mit Rundenzeiten zwischen 15 bis 32 Sekunden.

Somit war schnell klar, der Sieg würde zwischen den ersten beiden Teams bestimmt werden. Dennoch wurde es auch im hinter Feld spannend als die Abstände in der Rundenzeit der Teams immer geringer wurden. Insbesondere nachdem es dem vermeintlich letzten Team gelang seine Rundenzeit im zweiten Versuch fast zu halbieren und schließlich noch den dritten Platz belegte.

Ab 12 Uhr füllt sich langsam dieVersuchshalle mit Teams, die noch schnell das letzte Feintuning an ihren Autosvornahmen, bevor es um 14 Uhr dann ernst wurde. So waren alle Teams bis 13 Uhrversammelt und es wurde gemütlich.
Die Rennstrecke wurde nochmal geprüft und die Messeinrichtung kalibriert.

Nun ging es los…

Im ersten Teil der finalenVeranstaltung ging es darum, wer mit seiner Linienerkennung den Parkour amschnellsten absolvieren kann.

Jedes Team hatte drei Versuche à 2 Runden, um die schnellste Runde zu fahren.

Über eine Lichtschranke am Anfang der Geraden wurden die Rundenzeiten gemessen.

Verwirrte Autos auf Teststrecke

So kurz vor der Abgabe versucht jedes Team noch möglichst viel Zeit auf der "Teststrecke" im Institut zu verbringen. So kommt es dazu, dass die Testrecke zum Teil mehrfach belegt ist und noch zusätzliche Markierungen auf dem Boden zu finden sind (siehe linkes Bild unterer Bereich). Diese werden von anderen Teams für ihre Kür-Aufgaben benötigt. So endet manche Testfahrt ungewollt neben der Teststrecke oder "verwirrte" Autos fahren zwischen abgeklebten Linien hin und her, weil sie sich nicht entscheiden können, welcher Linie sie folgen wollen.

Parklückeerkannt! -Bitte rückwärts einparken-

Andere Teams funktionieren Bierzeltgarnituren zu parkenden Autos um (siehe Bild links). In diesem speziellen Fall dient die Lücke zwischen den Bänken zum Einparken mit Anhänger. Auf der rechten Bild erkennt man die entsprechenden Signale zum Erkennen der Lücke und ansteuern des Einparkmanövers. Das obere Signal (gelb) zeigt die Größe einer Parklücke an. Dieser Wert wird erst angezeigt, wenn die Parklücke groß genug ist. Das mittlere Signal (cyan) gibt nur an, ob die Parklücke mindestens 1,5m groß ist (Wertebereich 0 [nein] bzw. 1 [ja]). Im untersten Signal (grün) wird der Abstand zum Ende der erkannten Parklücke angezeigt. Wenn dieses Signal einen bestimmten Wert annimmt werden alle Signale zurückgesetzt - der Abstand zur erkannten Parklücke ist zu groß.

Überholen eines vorausfahrenden Fahrzeugs

Beim Überholen geht es darum, dass das Fahrzeug rechtzeitig seine Spur wechselt, seine Spur bzw. Fahrtrichtung wieder ein nimmt und schließlich mit genügendem Abstand wieder einschert. Somit ist es wichtig,möglichst lange Informationen über das zu überholende Fahrzeug zu sammeln. Aktuell geht es darum, dass mit der Kamera möglichst genau Daten des Vorderfahrzeuges zu erfassen und für das Überholmanöver auszuwerten. Dabei werden aufgrund fehlender Sensorik - sobald keine Kamerainformationen vorliegen - Annahmen getroffen beziehungsweiseaus den letzten Messwerten abgeleitet, z.B.: Geschwindigkeit und Beschleunigung. Diese Werte dienen dazu anschließend sicher wieder vor dem Fahrzeug einzuscheren.

Im Bild ist zu sehen wie zwei Modellfahrzeuge voreinander auf Kisten stehen. Auf dem Monitor werden die Bilder der Kamera des hinteren Fahrzeugs in Rohfassung (Ausschnitt in Farbe) und verarbeiteter Form (Ausschnitt in schwarz-weiß) angezeigt. Die verarbeiteten Daten werden dann in das große Bild (blaue Punkte auf Dämpferkappen) zum visuellen Abgleich übertragen.

Rückwärtseinparken mit Anhänger

Jeder, der zum ersten Mal versucht einen einachsigen Anhänge rrückwärts in eine Lücke zu manövrieren, kennt das Phänomen, dass der Anhänger zunächst entweder nach links oder rechts ausweicht. Als Mensch nimmt man diese Verdrehung optisch wahr und korrigiert entsprechend den Lenkwinkel im Zugfahrzeug. Für das autonome Fahrzeug bestimmt ein Potentiometer den Verdrehwinkel. Es dient gleichzeitig auch als Anhängerkupplung dient. Somit ist die Hardware nun an die Anforderungen des mechanischen Ersatzmodells für die Steuerung angepasst. Im nächsten Schritt muss jetzt die Steuerung optimiert und getestet werden. Parallel dazu werden die bildverarbeitenden Funktionen für das Einparken vorbereitet und anhand von Simulationsergebnissen angepasst.

Die Kür:

Jedes Team muss sich eine eigene Aufgabenstellung ausdenken,die es zum Abschluss des Vorlesungszeitraums am 31.01.2019 präsentiert. DasVorhaben muss vorab in einem einseitigen Dokument detailliert erläutert werden.Damit nicht jedes Team dasselbe macht und es zu eintönig wird, werden die Projekte noch mit den Betreuern des Projekts abgestimmt. Somit erwartet uns eine Vielzahl an interessanten Präsentationen, wie z.B. Rückwärtseinparken mit Anhänger oder Überholen.

Zusätzlich präsentiert noch jede Gruppe 10 Minuten ihre Ergebnisse der finalen Aufgabe und stellt sich in einer 20 minütigen Diskussionsrunde den Fragen und Anmerkungen.

Die Pflicht:

Um den Ehrgeiz, Wettkampfgedanken und die Vergleichbarkeit zu ermöglichen, gibt es eine finale Aufgabe, die alle Teams absolvieren müssen - den Schlafmasken-Parkour. Die Teams werden gegeneinander und gegen die Uhr fahren. Das Team, dass am schnellsten den vorgegebenen Parkour in Form einer umgekehrten, überdimensionierten Schlafmaske absolviert, hat gewonnen.

Während sich die Teams fleißig ihre Aufgaben bearbeiten, tüftelten hinter den Türen des Instituts studentische Hilfskräfte daran das Modellauto weiter zu verbessern. So dass es kurz vor Weihnachten und noch vor dem Beginn des finalen Projekts einen neuen Sensor am Fahrzeug gibt. Von nun an können alle Teams neben der Kamera auch noch einen Ultraschallsensor für ihre Projekte nutzen.

Alle Teams hatten Aufgabe 2 erfolgreich gemeistert. In gemütlicher Runde stellte nun jede Gruppe ihre Herangehensweise vor. EinigeGruppen hatten beschlossen, sich von der vorgegebenen Plattform Matlab zu lösen und ihre Projekte in Python zu programmieren. Der Vorteil für sie lag in denvorhandenen Bibliotheken für die Bilderkennung und in der Ausnutzung der Rechenpower der Hardware. Neben der Präsentation wurde sich anschließend auchfachlich über die Probleme und Schwierigkeiten bei der Umsetzung ausgetauscht.Stolze Teams präsentierten ihre Videos, während andere Teams über Regler und Mustererkennung diskutierten.

Das vorausfahrende Modellfahrzeug wird nun erkannt, aber ist es weit weg, dicht dran oder vielleicht schon Stoßstange an Stoßstange?

Um diese Information aus dem Bild zu erhalten, gibt es wieder verschiedene Möglichkeiten. Dazu werden neben der Transformationsmatrix der Kamera – wir erinnern uns an den ersten Teil des Impulsvortrag 3, noch weitere Informationen aus de rbeobachteten Welt benötigt. Diese weitere Information benötigen wir, da bei der Transformation von 3D in 2D Informationen verloren gehen. Diese werden aber beider Rekonstruktion der Tiefeninformation, dem Abstand, aus den Bildkoordinaten wieder benötigt. Jedes Team hat dazu sein bekanntes Muster für die Autoerkennung genutzt. So gab es die Referenzgrößen (Dämpferabstand, Kreisdurchmesser oder Länge zwischen zwei Eckpunkten). Durch eine Rücktransformation oder Anwendung des Strahlensatzes (dafür musste noch die Brennweite ermittelt werden) konnte der Abstand zum vorausfahrenden Fahrzeug ermittelt werden.

Zunächst musste sich jedes Team überlegen, wie es das vorausfahrende Modellfahrzeug erkennen kann. Durch die Hardware war nur eine begrenzte Rechenkapazität verfügbar. Also musste die Methode zum Erkennen des vorausfahrenden Fahrzeuges möglichst wenig Rechenaufwand benötigen. So bildeten sich drei Ideen heraus.

1. Erkenne das Fahrzeug anhandzweier markanter Punkte am Heck (rote Kappen der Dämpfer)

2. Klebe einen einfarbigen Kreis an das vorausfahrende Fahrzeug und finde eine farbige Fläche im Bild mit bestimmter Größe

3. Klebe ein Kreuz/Rechteckmuster an das vorausfahrende Fahrzeug und erkenne kreuzende Linien oder Ecken.

Jetzt wissen wir wie wir ein Auto modellieren können, Regler zum Steuern des Fahrzeuges erstellen können und wie wir die Kamera nutzen können, um Messwerte für unsere Regler zu bestimmen. In Aufgabe 2 war nun dieses ganze Wissen gefragt. Wir sollten mit Hilfe der Kamera eine Abstandsregelung für das Modellauto realisieren.

Dazu galt es für jedes Team die Aufgabe in kleinere Funktionsbereiche zu unterteilen, z.B.:

1. Erkennen eines vorausfahrenden Modellautos

2. Bestimmen des Abstands zum vorausfahrenden Modellauto

3. Regeln von Geschwindigkeit und Lenkwinkel relativ zum vorausfahrenden Fahrzeug

Nun ist die Kamera kalibriert und funktionsbereit. Aber was macht man mit Größen, die die Kamera nicht messen kann? Um genau dieses Problem zu lösen, haben wir uns im Impulsvortrag auch mit der Zustandsschätzung beschäftigt.

Zustandsschätzung

Ein Zustand beschreibt alle physikalischen Größen, wie Beschleunigung, Geschwindigkeit, Drehzahl usw. zu einem bestimmten Zeitpunkt. Sofern man entsprechende Sensoren hat, kann man diese Größen in jedem Zeitpunkt messen. Ohne die passenden Sensoren gibt es die Möglichkeit mittels eines einzigen Sensors andere Größen über ein mathematisches Modell „herzuleiten“. Das Modell sollte idealerweise exakt dem Realsystem entsprechen. Zum Ermitteln der unbekannten Größen bekommen beide Systeme dasselbe Eingangssignal. Die messbare Größe des Realsystems wird nun mit dem Modellsystemausgang verglichen. Danach wird das Modell mit dem abgeglichenen Wert(en) modifiziert, sodass der Fehler zwischen Real- und Modellsystem verringert wird. Somit lassen sich bei ausreichender Annäherung aus dem mathematischen Modell auch nicht messbare Größen abschätzen, da es nur Zwischenergebnisse im mathematischen Modell sind und einfach ausgelesen werden können (siehe Bild). Die Genauigkeit dieser Wert hängt von der Genauigkeit der mathematischen Beschreibung ab.

… den ein Regler braucht Messergebnisse, um den Fehlerzwischen Soll und Ist-Wert so klein wie möglich zu machen. Als einziger Sensor zur Messung der Umgebung steht bisher nur eine Kamera zur Verfügung. Somit ging es im ersten Teil des Vortrags um die Funktionsweise und Nutzung von Kameras als Messinstrument. Im zweiten Teil ging es darum nicht messbare Größen über Zustandsschätzung ermitteln zu können.

Kamerakalibrierung

Jede Kamera macht nichts anderes als Punkt aus der realenWelt in einem Bild festzuhalten. Wir sprechen davon das die 3-dimensionale Welt in einen 2-dimensionalen Raum, das Bild, transformiert wird. DieseTransformation lässt sich mathematisch mit einer Matrix ausdrücken. Diese Matrix ist für jede Kamera und jede Einstellung der Kamera einzigartig. Um diese Transformationsmatrix zu bestimmen, sind eine gewisse Anzahl, min. 3 besser sind 10+, an Fotos eines bekannten Schachbrettmusters notwendig. (Das Schachbrettmuster sollte eine unterschiedliche Anzahl an waagerechten und senkrechten Quadraten aufweisen, damit der Ursprung auch beim Verdrehen eindeutig zu identifizieren ist). Abschließend haben wir uns mit der Bestimmung der Transformationsmatrix mittels Matlab App CameraCalibrator (siehe Bild) vertraut gemacht.

Im ersten Impulsvortrag ging es um die mechanische Modellbildung.Somit haben wir jetzt ein Auto! Was fehlt also noch?
Genau, wir brauchen noch jemanden, der das Auto steuert odergenauer gesagt regelt. Und um dieses Thema ging es in dem zweiten Impulsvortrag. Zunächstwurde über Konzepte der Regelungstechnik und der mathematischen Modellierung gesprochen.Als Beispiel dazu nutzen wir das Einhalten eines Referenzwertes. In der realenWelt könnte dies zum Beispiel eine Geschwindigkeit oder ein Abstand zu einemvorausfahrenden Fahrzeug sein. Zur Beschreibung der physikalischen Bedingungenwurde das Konzept der differential-algebraischen Gleichungen vorgestellt undgenutzt. Weiterhin wurde die Herleitung ganz allgemein nur für Single-Input -Single-Output-Systemevollzogen. Im nächsten Schritt dann daraus Übertragungsfunktionen abgeleitet.Diese Funktion beschreibt die mathematische Beziehung zwischen dem Eingangs-und Ausgangssignal, z.B. Gaspedalwinkel zu Geschwindigkeit. Zum Abschluss wurdedann noch über die mögliche Verwendung eines Funnel-Reglers für das Trackingeines Referenzwertes gesprochen.

Mit dem Abschluss dieses Impulsvortrags hatten wir nun dasHandwerkszeug, um unsere Autos für die nächste Aufgabe selbst zu programmieren. Zumindest fast…

Während die Experimente im vollen Gange waren und alle Studenten konzentriert ihre Experimente machten, bekamen wir Besuch. Das Filmteam um Frau Hollensteiner besucht uns im Mechanik-Institut der TUHH und zeichnet Testfahrten sowie Kommentare der beteiligten Studierenden und Lehrenden auf. Aber überzeugen Sie sich selbst von dem tollen Ergebnis und den Eindrücken...

"Der optische Raddrehzahlmesser"

... musste auf optische Hilfsmittel zurückgegriffen werden, da z.B. die Modellfahrzeuge anders als normale PKW keinen Raddrehzahlsensor haben. So wurden schnell "optische Raddrehzahlsensoren" gebaut. Alles was dazu benötigt wurde war eine Winkelscheibe oder ein weißer Punkt auf den Reifen und eine Kamera, die eine möglichst hohe Bildrate hatte. So konnte dann in weiteren Nachbearbeitungsschritten die Parameter gefunden werden und Bilder erstellt werden, um die Vorgehensweise darstellen(siehe Bild).

Geschwindigkeit vs. Spannung

Für andere Werte galt es Zusammenhänge zwischen dem Input im Modell und dem realen Wert darzustellen. Dabei war es jeder Gruppe überlassen wie sie ihre Ergebnisse bestimmten. So nutzten einige Gruppen Videoaufnahmen und Bildauswertung-Werkzeuge,andere Gruppen nutzten Lichtschranken zur Messung der Geschwindigkeit. Die Unterbrechung der Lichtschranke konnte dann in einem digitalen Oszilloskop (siehe Bild) ausgewertet werden. Der Abstand zwischen den Lichtschranken wurde dann durch den zeitlichen Abstände zwischen den beiden Unterbrechungen geteilt. So konnten wir die Geschwindigkeit in m/s bestimmen. Bei anderen Parametern ...

Das Pendel-Experiment

In der ersten Aufgabe ging es darum, die unbekannten Parameter für das Einspurmodel experimentell zu bestimmen. Neben den leichter zu bestimmenden Parametern wie dem Gewicht, dem Schwerpunkt und dem Vorzeichen für den Eigenlenkgradienten – dieser gibt Auskunft, ob das Fahrzeugüber- oder untersteuert- gab es auch Parameter, die schwieriger zu bestimmen waren.So wie zum Beispiel das Trägheitsmoment, welches mit einem Pendel über dieSchwingdauer des Fahrzeuges bestimmt wurde.

Nachdem wir uns im Laufe der letzten Woche mit den Modellfahrzeugen und der Simulationsumgebung vertraut gemacht haben, ging es nun um die mathematische Modellierung der Kinematik und Dynamik von Fahrzeugen. Zuerst wurden die Grundlagen der Mehrkörpermodellierung gelehrt. Mögliche Modelle wie ebenes Modell für Vertikalbewegung, Zweispurmodelle oder numerische Gesamtfahrzeugmodelle wurden vorgestellt. Im Weiteren beschränkte sich die Erklärung zugunsten der Verständlichkeit und Nachvollziehbarkeit auf das Einspurmodell. Bei diesem Modell wird angenommen, dass das Fahrzeug nur zwei anstatt vier Reifen hat. Es ist, als ob man die Reifen in dem Mittelpunkt der Achse zusammenführt (siehe links im Bild).

Im Impulsvortrag wurde für diese Modell die kinematischen Gleichungen in Abhängigkeit des Gier- und Schwimmwinkels hergeleitet. Ebenfalls wurde die Modellierung der Reifen und dessen Verformung im Kontaktbereich mit der Straße besprochen. Unter anderem wurde hier auf die Druckverteilung im Latsch (siehe rechts im Bild), verformter Bereich in Kontaktzone, eingegangen und über die mögliche Aufnahme von Kräften durch das Reifengummi gesprochen. Zum Abschluss wurde die nächste Aufgabe ausgehändigt.

Die nullte Aufgabe war gemeistert! Nun galt es sich mit der Mechanik und der Modellbildung von Kraftfahrzeugen vertraut zu machen.

Wir sollten uns mit dem virtuellen Modell, welches wir später zum Testen unserer Algorithmen nutzen sollen vertraut machen und einige Modifikationen machen. Die Simulationsumgebung simuliert eine virtuelle Teststrecke, auf der das Fahrzeug der vergebenen Mittellinie folgen sollte. Nun galt es herauszufinden wie groß der Fehler zwischen der tatsächlichen Fahrlinie und der Ideallinie ist. Dafür wurden die Daten zwischen dem Idealwert „y_d“ und dem tatsächlichen Wert in einem Diagramm abgebildet (siehe links oben). Schließlich wurde noch die x und y-Werte aus dem Positionskontroller in einem Diagramm geplottet (siehe rechts unten).Mit diesem Diagramm lässt sich die Wegstrecke des Fahrzeugs in der virtuellen Welt nachvollziehen. Abschließend galt es herauszufinden bis zu welcher Geschwindigkeit der Linienfolge-Algorithmus-Regler funktioniert.

Heute wurden die Fahrzeuge für das Projekt „Vehicles andFormulas“ das erste Mal an uns Studenten ausgegeben. Nun galt es sich erst einmal vertraut mit dem Fahrzeug und der Softwareumgebung zu machen. Dazu wurde zuerst die Batterie für die Stromversorgung angeschlossen. Den An-Aus-Schalterbetätigt und zum ersten Mal blinkten die LEDs auf den Platinen. Bevor die Fahrzeugegetestet werden konnte, musste zuerst die Software zum Steuern installiert werden. Zuerst musste eine Möglichkeit zur drahtlosen Kommunikation mit dem RaspberryPi 3B+ mittels SSH-Kommunikationsprotokoll geschaffen werden. Anschließend mussten die Add-Ons für die Ausführung der Simulationsumgebungen installiert werden. Anschließend konnte die Steuerung für das Fahrzeug initialisiert werden und die ersten Tests gestartet werden. Dazu wurden die Fahrzeuge aufgebockt und das Simulink®-Modell gestartet. Im Modell wurde der elektrische Motor durch das Schalten eines „manuellen Schalters“ eingeschaltet, der Lenkwinkel und dieGeschwindigkeit konnten nun frei gewählt werden. So wurde der Raum nach kürzester Zeit von einem Rauschen und Rasseln der Motoren, Getriebe und Reifen erfühlt.

Es ist soweit! Die erste offizielle Veranstaltung des Lehrprojekts findet statt. Der Zeitplan wird erörtert und die Teilnehmer werden beauftragt, interdisziplinäre vierköpfige Projektgruppen zu bilden. Dies wird durch die Bereitstellung von zwei Kisten Pils erleichtert ;-)

Nach vielen Verbesserungsinteraktionen steht nun ein „serienreifes“ Fahrzeugdesign zur Verfügung. Die Zulieferer haben just-in-time geliefert und die Serienproduktion von 20 Fahrzeugen beginnt.

Die Themen der Impulsvorlesungen werden festgelegt und noch ein paar prüfungsrechtliche Angelegenheiten werden geklärt. Bei der Gelegenheit werden noch ein paar „Testfahrten“ gemacht. Ein Blick auf die Teilnehmerliste verrät, dass die Lehrveranstaltung auf reges Interesse bei Studierenden der Mathematik und des Maschinenbaus stößt.

Herr Carstensen hat seine Bachelorarbeit zum Thema "Analyse der Servo-Bindungen im Bereich der Fahrzeugregelung" erfolgreich abgeschlossen. In der Arbeit hat er die entwickelte Fahrzeugplattform für experimentelle Untersuchungen seiner entwickelten Vorsteuerungen verwendet.

Im Rahmen eines DAAD-Rise-Austausches besucht R. Lim von der University of California, Berkeley, unser Institut von Juni bis August. Sie bringt aus ihrem Studium viele Erfahrungen und Anregungen zum autonomen Fahren mit. Gleichzeitig verlässt A. Schmitt das Entwicklungsteam Richtung USA und übergibt die Leitung an Svenja Otto und Daniel Dücker. Inzwischen arbeiten drei Studenten mit an dem Fahrzeugprojekt.

Svenja Otto, Daniel Dücker, Timo Reis und Robert Seifried entwerfen das genaue Lehrveranstaltungskonzept und konzipieren Aufgabenstellungen für die Teilnehmer der Lehrveranstaltung.

Im Rahmen der Bachelorarbeit „Konstruktion und Inbetriebnahme eines autonomen Modellfahrzeugs“ von Herrn Fesefeldt wurde der erste Prototyp der autonomen Fahrzeugplattform entwickelt und zum Fahren gebracht. Es fährt auch schon mittels Bilderkennung eine mit Klebeband markierte Straße ab. Es gibt zwar noch kleine „Bugs“, das Projektteam ist jedoch optimistisch. Zudem fand ein erstes Treffen mit dem Filmteam der Claussen-Simon-Stiftung statt.

Herr Schmitt, wissenschaftlicher Mitarbeiter am Institut für Mechanik, beginnt mit dem Baueines Prototyp-Fahrzeuges. Die große Herausforderung ist hierbei, eine bedienerfreundliche Benutzeroberfläche zu schaffen, so dass die teilnehmenden Studierenden sich den mathematischen und mechanischen Kernfragestellungenwidmen können.

Bei einem Treffen zwischen den Projektleitern und Frau Dr. Franzmeier im Gebäude der Claussen-Simon-Stiftung mit schönem Blick auf den Kreuzfahrthafen werden die ersten Planungsdetails besprochen. Insbesondere werden schon ma lTermine für den Dreh eines kleinen Dokumentarfilms fixiert.

Im Rahmen der Veranstaltung „Ausgezeichnet 2017“ der Claussen-Simon-Stiftung wurde das Projektteam um Prof. Dr. Timo Reis und Prof. Dr. Robert Seifried beauftragt, ihr vorgeschlagenes Projekt „Formulas and Vehicles – Die Mathematik und Mechanik des autonomen Fahrens“ in die Tat umzusetzen. Das ist erstmal für das Projektteam und dessen Unterstützer Grund genug, die Veranstaltung zu genießen und zu feiern.