Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории