Lo que necesitas saber antes de
que comiences
Comienza 27 June 2025 00:20
Termina 27 June 2025
State Estimation and Localization for Self-Driving Cars
National Taiwan University
10 Cursos
National Taiwan University (NTU) is a world-class research university based in Taipei, Taiwan. It boasts a highly qualified faculty, all-encompassing educational programs, and a friendly, vibrant environment, making it an ideal location for academic study and research.
No especificado
Actualización opcional disponible
Todos los niveles
Progreso a tu propio ritmo
Free
Actualización opcional disponible
Resumen
Bienvenidos al dinámico reino de Estimación de Estado y Localización para Autos Autónomos, un curso pivotal ofrecido por la Universidad de Toronto, diseñado como parte de su completa Especialización en Autos Autónomos. Embarquen en un viaje que promete equiparlos con profundos conocimientos y habilidades en el uso de diversos sensores para la estimación de estado y localización precisa, vital en la operación de vehículos autónomos.
Este curso avanzado actúa como un paso esencial para los aprendices interesados en profundizar más en el dominio de la conducción autónoma, recomendando la finalización del curso inicial de la especialización para una experiencia de aprendizaje sin fisuras.
A lo largo de este currículo, serán introducidos a una variedad de tecnologías de sensores y metodologías cruciales para la estimación de parámetros y estado, que son fundamentales para la conducción autónoma. Los puntos destacados incluyen:
- Una inmersión profunda en el método de mínimos cuadrados y otras técnicas fundamentales para la estimación de parámetros y estado.
- Construir modelos para sensores de localización de vehículos típicos, como GPS e IMUs, para entender su funcionalidad e integración.
- Dominar la aplicación de algoritmos avanzados como los filtros de Kalman extendidos y no extendidos para una robusta estimación del estado del vehículo.
- Explorar la coincidencia de escaneos LIDAR y el algoritmo de Punto Más Cercano Iterativo para mejorar la precisión de localización.
- Aprender a fusionar datos de múltiples flujos de sensores en una estimación de estado cohesiva, una habilidad crítica para el desarrollo de vehículos autónomos.
Para el proyecto final, asumirán el reto de implementar el Filtro de Kalman Extendido de Error-Estado (ES-EKF) usando datos del simulador CARLA, solidificando sus habilidades en localización de vehículos.
Este curso está diseñado para individuos con una sólida base en ingeniería mecánica, ingeniería informática y eléctrica, o robótica, y una competencia en Python 3.0. Además, un buen entendimiento de Álgebra Lineal, Estadísticas, Cálculo y Física es requerido para beneficiarse plenamente de este curso.
Ofrecido por la prestigiosa Universidad de Toronto y disponible en Coursera, este curso cae bajo las categorías de Cursos de Vehículos Autónomos y Filtro de Kalman, estableciendo un punto de referencia para la especialización en el campo.
Enseñado por
Jonathan Kelly and Steven Waslander
