Plan Szkolenia

Wprowadzenie do fuzji danych z wielu czujników

  • Znaczenie fuzji danych w autonomicznej nawigacji
  • Wyzwania związane z integracją wielu czujników
  • Zastosowania fuzji danych w percepcji w czasie rzeczywistym

Technologie czujników i charakterystyka danych

  • LiDAR: Generowanie i przetwarzanie chmur punktów
  • Kamery: Przechwytywanie danych wizualnych i przetwarzanie obrazu
  • RADAR: Wykrywanie obiektów i estymacja prędkości
  • Jednostki pomiarowe inercyjne (IMU): Śledzenie ruchu

Podstawy fuzji danych

  • Podstawy matematyczne: Filtry Kalmana, wnioskowanie bayesowskie
  • Techniki asocjacji i wyrównywania danych
  • Radzenie sobie z szumem czujników i niepewnością

Algorytmy fuzji dla autonomicznej nawigacji

  • Filtr Kalmana i Rozszerzony Filtr Kalmana (EKF)
  • Filtr cząsteczkowy dla systemów nieliniowych
  • Niescentrowany Filtr Kalmana (UKF) dla złożonych dynamik
  • Asocjacja danych przy użyciu metody Najbliższego Sąsiada i Wspólnej Probabilistycznej Asocjacji Danych (JPDA)

Praktyczna implementacja fuzji czujników

  • Integracja danych z LiDAR i kamery do wykrywania obiektów
  • Fuzja danych z RADAR i kamery do estymacji prędkości
  • Łączenie danych GPS i IMU do dokładnej lokalizacji

Przetwarzanie i synchronizacja danych w czasie rzeczywistym

  • Metody znaczników czasowych i synchronizacji danych
  • Zarządzanie opóźnieniami i optymalizacja wydajności w czasie rzeczywistym
  • Zarządzanie danymi z asynchronicznych czujników

Zaawansowane techniki i wyzwania

  • Podejścia oparte na uczeniu głębokim do fuzji danych
  • Integracja danych wielomodalnych i ekstrakcja cech
  • Radzenie sobie z awariami czujników i zdegradowanymi danymi

Ocena wydajności i optymalizacja

  • Ilościowe metryki oceny dokładności fuzji
  • Analiza wydajności w różnych warunkach środowiskowych
  • Poprawa odporności i tolerancji na błędy systemu

Studia przypadków i zastosowania w rzeczywistym świecie

  • Techniki fuzji w prototypach pojazdów autonomicznych
  • Skuteczne wdrożenia algorytmów fuzji czujników
  • Warsztaty: Implementacja potoku fuzji wielu czujników

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w programowaniu w Pythonie
  • Znajomość podstawowych technologii czujników (np. LiDAR, kamery, RADAR)
  • Znajomość ROS i przetwarzania danych

Grupa docelowa

  • Specjaliści od fuzji czujników pracujący nad systemami autonomicznej nawigacji
  • Inżynierowie AI zajmujący się integracją wielu czujników i przetwarzaniem danych
  • Badacze w dziedzinie percepcji pojazdów autonomicznych
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie