
German: 
Hallo zusammen! Willkommen zu unserem Student Challenge 2019 Video. Mein Name lautet
Mustafa Saraoglu und in diesem Video möchte ich Ihnen zeigen wie wir mit Hilfe von MATLAB
Simulink diese Lego EV-3 Roboter, sowie diese Kamera programmiert haben und wie wir beide
in Echtzeit kommunizieren lassen. Das Ziel dieses Projekts ist es,
eine Stadt zu haben in der Fahrzeuge ohne Kollisionen autonom und frei fahren.
Also lasst uns loslegen!
Ich werde Ihnen nun die Rollen meiner Teamkollegen vorstellen und welche Toolboxen und
Add-Ons diese verwendet haben.
MATLAB und Simulink Toolboxen bieten einfache und
praktische Beispiele für den Start Ihres Projektes. Deswegen haben wir auch einige davon verwendet.
Zum Erstellen der "Safe Town" dachten wir, dass eine einfache Karte mit
ein paar Kreuzungen ein guter Start wäre.
Wir planen, dass
eine Kamera zwei Fahrzeuge erkennt, diese Information zu einer Workstation sendet

Chinese: 
大家好，欢迎收看我们的2019 Simulink 学生挑战大赛视频。
我叫Mustafa Saraoglu。
在这个视频里 ，我想向你们展示
我们如何使用Matlab Simulink来完成对这些Lego EV3机器人和这个探测器相机的编程
以及我们如何通过实时通讯来协调使用它们。
这个项目的目标是建立一个‘’SafeTown”：在该城市中，自动驾驶的汽车可以相互之间无碰撞的自由行驶
那么我们开始吧。
接下来，我将通过该视频来介绍一下我的队员们
以及他们所使用的工具箱和插件。
Matlab Simulink的工具箱提供了简易且实用的实例
来帮助我们开启项目，因此我们也使用了许多的工具箱。
这是我们如何开始建立一个‘’SafeTown‘’的计划：
刚开始只要有一个带有几个交叉路口的简易地图就足够了。
在我们的项目中，我们计划使用相机来监测汽车。
再将监测到的信息发送给工作站，在那里我们可以运行额外的算法

Turkish: 
Herkese merhaba! Simulink Student Challenge 2019 videomuza hoş geldiniz.
Ben Mustafa Saraoglu ve bu videoda sizlere MATLAB Simulinki kullanarak
bu gördüğünüz Lego EV-3 robotları ve dedektör kamerayı nasıl programladığımızı ve bunları birbirleriyle
gerçek zamanlı haberleştirerek nasıl koordine bir şekilde kullandığımızı göstereceğim. Bu projenin amacı
otonom araçları güvenli bir şekilde birbirlerine çarpmadan haritada dolaştırmaktır.
Öyleyse hadi başlayalım.
Video süresince sizlere takım arkadaşlarımın üstlendiği görevleri ve kullandıkları eklentileri tanıtacağım.
MATLAB ve Simulink Toolboxları
kolay ve pratik örnekler sağlayarak
projenize hızlı bir başlangıç yapmanıza yardımcı olur. O yüzden biz de bu örneklerin bir kısmını kullandık.
SafeTown'ı bu şekilde yapmayı planladık.
Basit bir harita ve birkaç kavşak başlangıç
için yeterli olacaktır. Projemizde kamerayı araçları tespit etmek için kullanıp, bilgisayar aracılığı ile bu bilgiyi
merkezi bilgisayara göndermeyi, orada da birkaç farklı algoritma kullanarak araçlara

English: 
Hello everyone! Welcome to our Simulink
Student Challenge 2019 video. My name is
Mustafa Saraoglu and in this video I would
like to show you how we use MATLAB
Simulink to program these Lego EV-3 robots
the detector camera and how we use them
in coordination using real-time
communication. The goal of this project
is to have a safe town where autonomous
vehicles drive freely without colliding
with each other so let's get started.
I will be presenting the roles of my
teammates and also which toolboxes and
Add-Ons they have used throughout the video.
MATLAB and
Simulink toolboxes provide simple and
practical examples to kickstart your
project so we have also used a bunch of them
This is how we planned to start
building the safe town a simple map with
a few intersections would be enough to
begin with. In our project we plan to use
the camera to detect two vehicles send
this information to a workstation where

German: 
in der zusätzliche Algorithmen laufen, die dann die Befehle für "fahren" oder "warten"
zurück an den Roboter schicken.
Diese Befehle werden in Echtzeit per UDP an einen Wi-Fi Router geschickt.
Um die Fahrzeuge zu programmieren haben wir Simulink und Stateflow Modelle entwickelt
und diese mithilfe des "Support-Package auf das Lego EV3 Mindstorms" geflashed.
Qihang hat als erster in Simulink modellbasierte Fahrzeuge entwickelt. Bevor wir beginnen,
die Modelle auf die Hardware zu flashen müssen wir garantieren, dass das Modell an sich keine
Fehler beinhaltet und es mit ideallen Bedingungen wie geplant funktioniert.
Beginnend mit einem simplen Fahrzeugverfolgungsbeispiel, welches den "model predictive controller" nutzt,
hat er ein umfassendes autonomes Fahrzeugmodell mit Hilfe von Stateflow
und Simulink entwickelt. Selbstverständlich mussten später Anpassungen gemacht werden
um das Modell auf Echtzeit-Hardware laufen zu lassen. Für das nötige Hintergrundwissen
steht Duc durch seine Erfahrung mit der Arbeit und Kalibrierung der Aktoren der LEGO Roboter zur Verfügung.
Da Sensoren und Aktoren jedoch  heterogene Hardware sind ist es nicht einfach ein Modell zu entwickeln

Turkish: 
geç veya devam et komutları yollamayı planladık.
Bu komutları da gerçek zamanlı olarak bir Wi-Fi yönlendiricisi üzerinden UDP protokolüyle gönderdik.
Robotları programlama için ise Simulink ve Stateflow modelleri geliştirdik
ve bunları da Lego EV3 Mindstorms destek paketini kullanarak robotlara yükledik.
Qihang ilk olarak Simulink kullanarak otonom araç modellerini tasarladı.
Bu modelleri robotlara yüklemeden önce hata olmadığından emin olmamız gerekiyordu.
Ideal şartlarda istendiği gibi çalışıp çalışmadığını kontrol etmek için öncelikli olarak
Model Predictive Controller eklentisini kullanarak basit araç modelleri tasarladık.
Daha sonra bu modelleri Simulink ve Stateflow ile geliştirerek daha kapsamlı modeller oluşturduk.
Tabii ki daha sonrasında bu modelleri Lego robotlarda kullanmak için
modifiye etmemiz gerekliydi fakat başlangıç için bize güzel fikirler sağladı.
Duc LEGO robotların kalibrasyonu üzerine çalıştı. Sensörler ve sürücüler
birbirlerinden farklı oldukları için basit bir model ile tüm araçları aynı şekilde

English: 
we can run additional algorithms and
then send messages containing go or wait
commands for the robots. These commands
are sent using real-time UDP to a Wi-Fi
router. To program the vehicles we have
developed Simulink and Stateflow models
and then we flashed them using the support
package for Lego EV3 Mindstorms
Qihang has first developed model based
vehicles in Simulink. Before we start
flashing the models into hardware we had
to make sure that the models do not
contain inherent bugs and work as
intended in ideal conditions
beginning with a simple vehicle following example
using the model predictive controller he
has developed a comprehensive autonomous
vehicle model using Stateflow and
Simulink together. Of course modifications had to be made later on to
run the model on real-time hardware but
it provided the required insight
Duc has worked on calibrating the
actuators of the LEGO robots.
Since sensors and actuators are quite heterogeneous
hardware it's not easy to build a model

Chinese: 
并发送‘’继续前进‘’或者‘’原地等待‘’的命令给机器人。
通过使用实时的UDP，这些命令将被发送到Wifi路由器中。
为了实现对车辆的编程，我们开发了Simulink和State flow模型。
接着，我们通过使用‘’Lego EV3 Mindstorms‘’的支持包将其刷入机器人车辆。
Qihang首先在Simulink中开发出了基于模型的汽车。
在我们将模型刷入硬件之前，我们必须先确保模型中不存在内在错误
并且在理想条件下能够按照预期正常的运行。
他通过在一个简易的汽车跟随示例中使用模型预测控制器作为开始，
接着他通过结合使用Stateflow和Simulink开发了综合自动驾驶汽车的模型。
当然，之后还需进行修改以使得模型能够在实时的硬件上运行，
不过它已经提供了所必需的洞察力。
Duc致力于校准Lego机器人的执行器。
由于传感器和执行器是非常混杂的硬件，
要建立一个适合所有汽车的模型并不容易。

English: 
that suites all the vehicles. In the
meantime to have a robust communication
with the workstation the Simulink and
Stateflow models had to be feasible
here you can see the added line tracking
algorithm and the UDP blocks on Simulink
which are required for the hardware
communication with the workstation is
provided via real-time Universal
Datagram Protocol (UDP). A practical
Simulink UDP add-on was enough to
transfer data through a Wi-Fi router.
In this section we are going to show you a
few driving scenarios that we have used
to test our control algorithms. We use
color markers before intersections for
localization. The rear end of the vehicle
reads the color code and then translates
that as a state in the Stateflow
machine.

German: 
das passend auf alle Fahrzeuge zugeschnitten ist. Gleichzeitig mussten
die Simulink und Stateflow Modelle ausführbar sein um eine stabile Kommunikation zu gewährleisten.
Hier sehr Ihr den hinzugefügten Linienfolger-Algorithmus und die UDP Blöcke in Simulink
die für die Hardware notwendig sind.
Die Kommunikation mit der Workstation wird über Echtzeit "Universial Datagram Protocol" hergestellt.
Ein praktisches Simulink UDP Add-on reichte aus für den Datentransfer
über einen Wi-Fi Router.
In diesem Abschnitt zeigen wir Ihnen
ein paar Szenarien mit denen wir unsere Algorithmen getestet haben.
Wir nutzen Farbmarkierungen vor Kreuzungen zur Lokalisation. Die Rückseite des Fahrzeugs
liest den Farbcode und übersetzt ihn als Zustand in
der Stateflow Zustandsmachine.

Turkish: 
kontrol etmek mümkün olmadı. Aynı zamanda robotlar ve bilgisayar arasında
sürekli bir bağlantı sağlamak için Simulink
ve Stateflow modelleri çok karmaşık olmamalıydı.
Burada örnek olarak çizgi takip algoritmasını ve robotlar için Simulink UDP bloklarını görebilirsiniz.
Bilgisayar ile haberleşme UDP (Universel Datagram Protocol)
ile gerçek zamanlı olarak sağlanmıştır.
Pratik bir Simulink UDP eklentisi ile
Wi-Fi üzerinden veri akışını gerçekleştirdik.
Bu bölümde sizlere kontrol algoritmalarımızı 
test etmek için kullandığımız
birkaç farklı deneme sürüşü göstereceğim.
Kavşakların öncesinde renkli işaretler kullanarak araçların yer saptaması yapması sağlandı.
Araçların arkasında bulunan renk sensörleri bu renkleri okuyarak
Stateflow otomatlarına göre robotlara konumlarını bildirir.

Chinese: 
同时，为了能实现和工作站之间的稳定通讯，Simulink和Stateflow模型必须是可实行的。
这里，你可以看到Simulink中被添加的线条跟踪算法
以及在硬件中所需要用到的UDP模块。
与工作站之间的通讯由实时的用户数据报协议（UDP）所提供。
一个实用的Simulink UDP插件足够通过Wifi路由器来传递数据。
在这个部分，我们将向你们展示一些我们所使用的行驶场景来测试我们的控制算法。
我们在交叉路口前使用彩色标记用于定位。
汽车的尾部读取彩色编码并将其编译成一个Stateflow machine中的状态。

English: 
Yuqi works on image recognition and
vehicle detection algorithms. He has trained
a bunch of different networks using
transfer learning and tried a few
different algorithms to train the detectors.
First of all he has used the ground
truth labeler app provided with MATLAB to
label the regions of interest with the
help of the temporal automation
algorithms provided by the computer
vision toolbox. Then he has trained the
detector using the created ground truth
data offline on a single robot video
that we have captured with our camera
next we have tested its performance on a
video of two robots and modified the
algorithms to get a clear bounding box
of the detected vehicle. In the end we
have decided to use an ACF detector for
this project. We have identified the
coordinates of the intersections
according to the map and then use the
occupancy of the boxes to send
information about which intersections

Turkish: 
Yuqi görüntü algılama ve kamera ile araç tespiti üzerine çalışmaktadır.
Birkaç farklı görüntü tanımlama algoritmasını transfer learning kullanarak geliştirip
kameranın algılama algoritmalarını tasarlamıştır. Bunu yapmak için ilk olarak
MATLAB'de bulunan Ground Truth Labeler App ile manuel olarak tek bir aracın olduğu videoda tespit yapar.
İşaretlediği alanları Temporal Automation Algoritması (Computer Vision Toolbox eklentisi) ile kaydeder.
Daha sonra bu kaydedilen veriyi kullanarak görüntü tanımlama algoritmasını eğitir.
Daha sonra bu algoritmanın performansını iki robotlu bir video üzerinde test edip modifiye eder.
Böylece görüntü işleme yapılarak araçların bulunduğu dikdörtgen alan elde edilir.
Böylece bu projede ACF Detector algoritmasını kullanmaya karar verdik.
Kavşak koordinatlarını belirlenip kamerada oluşturulduktan sonra, araçların bulundukları
konumlara göre içerisinde bulundukları kavşakların bilgisi elde edilir.

Chinese: 
Yuqi致力于图像识别和汽车检测的算法。
他通过使用迁移学习训练了许多不同的网络，
并且尝试使用一些不同的算法来训练探测器。
首先，他通过使用Matlab提供的‘’Ground truth labeler‘’应用
借助计算机视觉工具箱中提供的temporal automation算法来标记感兴趣的区域。
然后，他使用所创建的ground truth数据离线的对一个由我们的相机所捕获的单一机器人视频对探测器进行训练。
接着，我们用一个有两个机器人的视频测试了它的性能
并修改了算法来获得一个被监测到的汽车的清晰边框。
最后，我们决定在我们的项目中使用ACF探测器。
我们根据地图识别出交叉路口的坐标

German: 
Yuqi arbeitet an Bild- und Fahrzeugerkennungsalgorithmen. Er hat
einige verschiedene neuronale Netze trainiert indem er "transfer learning" verwendet hat und
unterschiedliche Algorithmen ausprobiert hat um die Detektoren zu trainieren.
Zu allererst hat Yuqi  die
"ground truth labeler" App, welche von MATLAB zur Verfügung gestellt wird, verwendet um die "regions of interest" zu kennzeichnen.
DIes geschah mit Hilfe "temporal automation" Algorithmen welche von der "computer vision toolbox"
bereitgestellt wurden.
Dann hat er offline die Detektoren über die erstellten
"ground truth" Daten, welche aus einem zuvor aufgenommenen Video erfasst wurden, trainiert.
Danach haben wir die Performance anhand eines Videos zweier Roboter getestet und
die Algorithmen modifiziert, um einen definierten Begrenzungsbereich des erkannten Fahrzeuges zu erhalten.
Schlussendlich haben wir uns dazu entschlossen einen ACF Detektor für dieses Projekt zu verwenden. 
Wir haben die
Koordinaten der Kreuzungen anhand der Karte identifiziert und die
Belegung der Bereiche genutzt um Informationen über die Kreuzungen zu senden,

Turkish: 
İleride görüntü işleme algoritmamızı geliştirip farklı haritalarda otomatik tespit yapıp
araçların kaza yaptığı durumları belirleyip bildirmesini planlamaktayız.
Bu görüntü işleme algoritmasını Simulink içerisinde kullanmak için ise
kod içeren MATLAB System Block kullanılarak
interpreted execution modunda çalıştırdık.
SafeTown projesi henüz daha çok yeni olduğu için ileride eklemeyi düşündüğümüz birçok özellik var.
Projenin güncel halini indirmek için aşağıda bulunan MATLAB file exchange linkini kullanabilirsiniz.
Ayrıca video ile ilgili her türlü geri bildirim veya yorumlarınızı da görmek isteriz.
O yüzden video hakkında yorum yaparsanız veya e-mail üzerinden bizimle iletişime geçerseniz seviniriz.
İzlediğiniz için teşekkür ederiz!

German: 
welche zumindest ein Fahrzeug  zu jeder sample Zeit  beinhalten.
In Zukunft ist geplant die Dektoren
so zu trainieren, dass sie sowohl die Kreuzungen von benutzerdefinierte Karten als auch Kollisionen zwischen
Fahrzeugen erkennen können. 
Um den Detektor Algorithmus in Simulink zu verwenden,
der in MATLAB trainiert wurde, haben wir ein MATLAB System Block erstellt. Dieser wird
über "interpreted execution" auf der Worksation laufen gelassen.
Da das Projekt SafeTown noch sehr jung ist,
sind weitaus mehr Features vorhanden, die wir gerne in späteren Phasen des Projektes hinzufügen würden.
Sie finden die aktuelle Dateien in der Beschreibung unter dem Video
als MATLAB Datenaustausch Link.
Wir würden uns außerdem über Feedback
Ihrerseits freuen.
Also fühlen Sie sich frei Kommentare zu hinterlassen oder uns direkt per E-Mail zu kontaktieren.
Danke fürs Zuschauen!

English: 
contain at least a vehicle at any sample
time. In the future we plan to train our
detector to identify intersections for
custom maps and also detect collisions
between vehicles. To use the detector
algorithm in Simulink which was trained
in MATLAB we have inserted a MATLAB
System Block and run it using the
interpreted execution on the workstation.
SafeTown project is still relatively young
so there are many more features that we
would like to add in the later stages of
the project. You can download the current
files from the MATLAB file exchange link
in the description below. We would also
appreciate any feedback from your side
so feel free to comment on the video or
contact us directly via our emails.
Thanks for watching!

Chinese: 
并通过交叉路口框与汽车边框的覆盖情况在任意采样时间发送哪个交叉路口内含有至少一辆汽车的信息。
未来，我们打算继续训练我们的探测器来实现对自定义地图的交叉路口的识别
以及对汽车之间碰撞的监测识别。
为了在Simulink中使用我们在Matlab中所训练出的探测器算法，
我们插入了一个Matlab系统模块，通过在工作站上使用解译执行来运行它。
‘’SafeTown‘’项目依然比较年轻，因此在该项目的后期阶段我们还有很多想要添加的特征和功能。
你可以在视频下方描述中的Matlab文件交换链接内下载当前的文件。
我们非常感谢能得到你们的任何反馈意见。
因此，请随意发表对我们视频的评论或者通过我们的电子邮箱直接与我们联系。
感谢您的观看！
