Fusion de capteurs et filtrage non linéaire pour les systèmes automobiles

Les véhicules automatisés s'appuient sur une perception très précise pour naviguer en toute sécurité, ce qui nécessite l'intégration transparente de données bruitées provenant de caméras, de radars et de lidars. Comprendre comment combiner ces diverses entrées de capteurs à l'aide de filtres mathématiques est une compétence essentielle pour les ingénieurs automobiles et robotiques modernes. Ce cours textuel vous guide à travers les mathématiques fondamentales et les implémentations algorithmiques de la fusion de capteurs. Vous passerez des concepts de probabilité de base à la compréhension de la manière dont les filtres non linéaires robustes suivent les véhicules et les piétons dans des scénarios réels. Ce que vous apprendrez : - Comprendre les concepts fondamentaux de l'estimation d'état bayésien et des architectures de fusion de capteurs. - Implémenter des filtres de Kalman étendus et unscented pour le suivi d'objets dynamiques avec un mouvement non linéaire. - Appliquer des techniques de filtrage particulaire pour gérer des environnements de bruit non gaussiens hautement complexes. - Analyser les compromis entre les méthodologies de fusion de capteurs précoce et tardive à l'aide de paradigmes radar et lidar. - S'entraîner à concevoir des algorithmes d'estimation d'état grâce à des explications de code structurées, étape par étape. Le cours commence par la théorie des probabilités de base, les systèmes de coordonnées et les modèles de mouvement avant de progresser vers des algorithmes de filtrage non linéaires avancés et des scénarios de suivi automobiles pratiques. Vous étudierez des explications détaillées et analyserez des implémentations de code claires pour consolider votre compréhension technique. Ce cours est conçu pour les débutants en perception automobile, les développeurs de logiciels et les étudiants en ingénierie. Un bagage de base en algèbre linéaire et en programmation est recommandé, mais aucune expérience préalable en fusion de capteurs n'est requise. Commencez à lire dès aujourd'hui pour construire les bases mathématiques nécessaires à la perception des véhicules autonomes modernes.