Oszacowanie stanu i lokalizacja dla pojazdów autonomicznych

Aby bezpiecznie poruszać się po drodze, autonomiczny pojazd musi dokładnie wiedzieć, gdzie się znajduje, z dokładnością do centymetra.Zrozumienie, w jaki sposób samodzielnie prowadzące się samochody przetwarzają surowe dane z czujników, aby oszacować ich pozycję i orientację, jest podstawową umiejętnością każdego aspirującego inżyniera robotyki. W tym kursie tekstowym przejdziesz od zrozumienia podstawowych pojęć fizyki do zrozumienie podstawowej matematyki i algorytmów, które zasilają nowoczesną lokalizację autonomicznych pojazdów.Będziesz uczyć się, jak pojazdy łączą dane z GNSS, inercyjnych jednostek pomiarowych (IMU) i odometrii kół, aby zbudować solidny system szacowania w czasie rzeczywistym. Czego się nauczysz: - Zrozum podstawową kinematykę i ramki współrzędnych używane w modelowaniu ruchu pojazdu. - Zastosuj oszacowanie najmniejszych kwadratów i filtrowanie Kalmana, aby przetworzyć szumne pomiary czujnika. - Wdrażaj techniki fuzji czujników, które łączą dane GNSS, IMU i odometryczne. - Poznaj nowoczesne paradygmaty szacowania stanu, w tym rozszerzone filtry Kalmana (EKF) i formuły błędów. - Analizuj solidne metody estymacji i odrzucanie wartości odstających w celu obsługi anomalii czujników i przerw w sygnale. Kurs zaczyna się od podstawowych pojęć w kinematyce, prawdopodobieństwie i układach współrzędnych, zanim przejdzie do rekurencyjnej oceny stanu, filtrowania Kalmana i nowoczesnych strategii fuzji wielu czujników. Ten kurs jest przeznaczony dla początkujących zainteresowanych robotyką i systemami autonomicznymi, wymagającymi tylko podstawowej algebry liniowej i ogólnej znajomości programowania.Nie jest wymagane wcześniejsze doświadczenie z samodzielnym sprzętem. Zacznij uczyć się algorytmicznego rdzenia lokalizacji autonomicznych pojazdów już dziś.