Sensor Fusion và Non-Linear Filtering cho hệ thống ô tô

Xe tự động dựa trên nhận thức chính xác cao để di chuyển an toàn, đòi hỏi sự tích hợp không gian của dữ liệu nhiễu từ máy ảnh, radar và lidar. Chương trình này hướng dẫn bạn qua các nền tảng toán học và các thuật toán của việc kết hợp cảm biến. Bạn sẽ học từ các khái niệm cơ bản về xác suất để hiểu cách mà các bộ lọc phi tuyến có thể theo dõi xe cộ và người đi bộ trong thế giới thực. Bạn sẽ học được: - Hiểu các khái niệm cơ bản của ước tính trạng thái Bayes và kiến trúc hợp nhất cảm biến. - Thực hiện bộ lọc Kalman mở rộng và không mùi để theo dõi các đối tượng động với chuyển động phi tuyến. - Ứng dụng kỹ thuật lọc hạt để xử lý môi trường ồn không Gaussian phức tạp. - Phân tích sự trao đổi giữa các phương pháp hợp nhất cảm biến sớm và muộn sử dụng các mô hình radar và lidar. - Thực hành thiết kế thuật toán ước tính trạng thái thông qua các bước đi bộ mã được viết có cấu trúc. Chương trình bắt đầu với lý thuyết xác suất cốt lõi, hệ tọa độ, và mô hình chuyển động trước khi tiến tới các thuật toán lọc phi tuyến tiên tiến và các trường hợp theo dõi xe hơi thực tế. Bạn sẽ học các giải thích chi tiết và phân tích các mã thực hiện sạch để củng cố hiểu biết kỹ thuật của bạn. Chương trình này được thiết kế cho người mới bắt đầu với nhận thức ô tô, nhà phát triển phần mềm, và sinh viên kỹ thuật. Một nền tảng cơ bản trong đại số tuyến tính và lập trình được khuyến nghị, nhưng không cần kinh nghiệm trước đó về sự hợp nhất cảm biến. Bắt đầu đọc hôm nay để xây dựng nền móng toán học cần thiết cho nhận thức xe tự động hiện đại.