Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в мултисензорното сливане на данни
- Значение на сливането на данни в автономната навигация
- Предизвикателства при мултисензорната интеграция
- Приложения на сливането на данни във възприятието в реално време
Сензорни технологии и характеристики на данните
- LiDAR: Генериране и обработка на облаци от точки
- Камера: Заснемане на визуални данни и обработка на изображения
- RADAR: Откриване на обекти и оценка на скоростта
- Инерциални измервателни единици (IMU): Проследяване на движение
Основи на сливането на данни
- Математически основи: Калманови филтри, Бейсов извод
- Техники за асоцииране и подравняване на данни
- Справяне със сензорен шум и несигурност
Алгоритми за сливане за автономна навигация
- Калманов филтър и Разширен Калманов филтър (EKF)
- Филтър на частиците за нелинейни системи
- Неароматизиран Калманов филтър (UKF) за сложна динамика
- Асоцииране на данни чрез Най-близък съсед и Съвместно вероятностно асоцииране на данни (JPDA)
Практическо прилагане на сензорно сливане
- Интегриране на LiDAR и данни от камера за откриване на обекти
- Сливане на RADAR и данни от камера за оценка на скоростта
- Комбиниране на GPS и IMU данни за точна локализация
Обработка на данни в реално време и синхронизация
- Методи за времево маркиране и синхронизация на данни
- Управление на латентността и оптимизация на производителността в реално време
- Управление на данни от асинхронни сензори
Усъвършенствани техники и предизвикателства
- Подходи за дълбоко обучение за сливане на данни
- Мултимодална интеграция на данни и извличане на характеристики
- Справяне с откази на сензори и влошени данни
Оценка на ефективността и оптимизация
- Количествени метрики за оценка на точността на сливане
- Анализ на производителността при различни условия на околната среда
- Подобряване на устойчивостта на системата и толерантността към грешки
Казуси и приложения в реалния свят
- Техники за сливане в прототипи на автономни превозни средства
- Успешно внедряване на алгоритми за сензорно сливане
- Работилница: Прилагане на конвейер за мултисензорно сливане
Обобщение и следващи стъпки
Изисквания
- Опит с програмиране на Python
- Познания за основни сензорни технологии (напр. LiDAR, камери, RADAR)
- Запознатост с ROS и обработка на данни
Аудитория
- Специалисти по сензорно сливане, работещи върху системи за автономна навигация
- AI инженери, фокусирани върху мултисензорна интеграция и обработка на данни
- Изследователи в областта на възприятието при автономни превозни средства
21 Часа