Estimación y localización del estado para automóviles autónomos

Descripción

Bienvenido a Estimación y localización del estado para automóviles autónomos, el segundo curso en la especialización de automóviles autónomos de la Universidad de Toronto. Le recomendamos que tome el primer curso en la especialización antes de tomar este curso.

Este curso le presentará los diferentes sensores y cómo podemos usarlos para la estimación y localización del estado en un automóvil sin conductor. Al final de este curso, podrás:
- Comprender los métodos clave para la estimación de parámetros y estados utilizados para la conducción autónoma, como el método de mínimos cuadrados
- Desarrolle un modelo para sensores de localización de vehículos típicos, incluidos GPS e IMU
- Aplicar filtros Kalman extendidos y sin perfume a un problema de estimación del estado del vehículo
- Comprender la coincidencia de escaneo LIDAR y el algoritmo de punto más cercano iterativo
- Aplique estas herramientas para fusionar múltiples flujos de sensores en una sola estimación de estado para un automóvil sin conductor

Para el proyecto final de este curso, implementará el filtro Kalman extendido de estado de error (ES-EKF) para localizar un vehículo utilizando los datos del simulador CARLA.

Este es un curso avanzado, destinado a estudiantes con experiencia en ingeniería mecánica, ingeniería informática y eléctrica, o robótica. Para tener éxito en este curso, debe tener experiencia en programación en Python 3.0, familiaridad con álgebra lineal (matrices, vectores, multiplicación de matrices, rango, valores propios y vectores e inversos), estadística (distribuciones de probabilidad gaussianas), cálculo y física (fuerzas, momentos , inercia, las leyes de Newton).