Stima e localizzazione statale per auto a guida autonoma

Descrizione

Benvenuti alla stima e localizzazione statale delle auto a guida autonoma, il secondo corso di specializzazione per le auto a guida autonoma dell'Università di Toronto. Ti consigliamo di seguire il primo corso di specializzazione prima di frequentare questo corso.

Questo corso ti presenterà i diversi sensori e come possiamo usarli per la stima dello stato e la localizzazione in un'auto a guida autonoma. Entro la fine di questo corso, sarai in grado di:
- Comprendere i metodi chiave per la stima dei parametri e dello stato utilizzati per la guida autonoma, come il metodo dei minimi quadrati
- Sviluppare un modello per i tipici sensori di localizzazione dei veicoli, inclusi GPS e IMU
- Applicare filtri Kalman estesi e privi di profumo a un problema di stima dello stato del veicolo
- Comprendere la corrispondenza della scansione LIDAR e l'algoritmo Iterative Closest Point
- Applicare questi strumenti per fondere più flussi di sensori in un unico stato stimato per un'auto a guida autonoma

Per il progetto finale in questo corso, implementerai il filtro Kalman esteso stato errore (ES-EKF) per localizzare un veicolo utilizzando i dati del simulatore CARLA.

Questo è un corso avanzato, destinato a studenti con un background in ingegneria meccanica, informatica ed ingegneria elettrica o robotica. Per avere successo in questo corso, devi avere esperienza di programmazione in Python 3.0, familiarità con algebra lineare (matrici, vettori, moltiplicazione di matrici, rango, autovalori e vettori e inverse), statistica (distribuzioni di probabilità gaussiane), calcolo e fisica (forze, momenti , inerzia, leggi di Newton).