Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în Fuziunea Datelor din Multiple Senzori
- Importanța fuziunii datelor în navigația autonomă
- Provocările integrării multi-senzor
- Aplicații ale fuziunii datelor în percepția în timp real
Tehnologii de Senzori și Caracteristici ale Datelor
- LiDAR: Generarea și procesarea norului de puncte
- Cameră: Captarea datelor vizuale și procesarea imaginilor
- RADAR: Detecția obiectelor și estimarea vitezei
- Unități de Măsură Inerțială (IMUs): Urmărirea mișcării
Fundamentele Fuziunii Datelor
- Baze matematice: Filtre Kalman, inferența Bayesiană
- Tehnici de asociere și aliniere a datelor
- Gestionarea zgomotului și incertitudinii senzorilor
Algoritmi de Fuziune pentru Navigație Autonomă
- Filtru Kalman și Filtru Kalman Extins (EKF)
- Filtru Particulă pentru sisteme neliniare
- Filtru Kalman Unscented (UKF) pentru dinamică complexă
- Asocierea datelor folosind Cel Mai Apropiat Vecin și Asocierea Probabilistică Comună a Datelor (JPDA)
Implementarea Practică a Fuziunii de Senzori
- Integrarea datelor LiDAR și cameră pentru detectarea obiectelor
- Fuziunea datelor RADAR și cameră pentru estimarea vitezei
- Combinarea datelor GPS și IMU pentru localizare precisă
Procesarea și Sincronizarea Datelor în Timp Real
- Metode de marcare temporală și sincronizare a datelor
- Gestionarea latenței și optimizarea performanței în timp real
- Gestionarea datelor de la senzori asincroni
Tehnici Avansate și Provocări
- Abordări de învățare profundă pentru fuziunea datelor
- Integrarea multi-modală a datelor și extragerea caracteristicilor
- Gestionarea defecțiunilor senzorilor și a datelor degradate
Evaluarea și Optimizarea Performanței
- Metrici de evaluare cantitativă pentru acuratețea fuziunii
- Analiza performanței în diverse condiții de mediu
- Îmbunătățirea robusteței și toleranței la defecțiuni a sistemului
Studii de Caz și Aplicații din Lumea Reală
- Tehnici de fuziune în prototipuri de vehicule autonome
- Implementarea cu succes a algoritmilor de fuziune de senzori
- Workshop: Implementarea unei conducte de fuziune multi-senzor
Rezumat și Următorii Pași
Cerințe
- Experiență în programarea Python
- Cunoștințe de bază despre tehnologiile de senzori (de exemplu, LiDAR, camere, RADAR)
- Familiaritate cu ROS și procesarea datelor
Publicul țintă
- Specialiști în fuziunea de senzori care lucrează la sisteme de navigație autonomă
- Ingineri AI concentrați pe integrarea multi-senzor și procesarea datelor
- Cercetători în domeniul percepției vehiculelor autonome
21 Ore
