Sensor Fusion dan Non-Linear Filtering untuk Sistem Otomotif

Kendaraan otonom bergantung pada persepsi yang sangat akurat untuk berlayar dengan aman, yang memerlukan integrasi data yang tidak jelas dari kamera, radar, dan lidar. Mengerti bagaimana menggabungkan input sensor yang beragam ini dengan menggunakan penyaringan matematis adalah keterampilan yang penting bagi insinyur otomotif dan robotik modern. Kursus berbasis teks ini memandu Anda melalui matematika dasar dan implementasi algoritma dari sensor fusi. Anda akan berpindah dari konsep probabilitas dasar untuk memahami bagaimana filter non-linear yang kuat melacak kendaraan dan pejalan kaki dalam skenario dunia nyata. Apa yang akan kau pelajari: - Mengerti konsep dasar dari perkiraan keadaan Bayesian dan arsitektur fusi sensor. - Implementasi Extended dan Unscented Kalman Filters untuk melacak objek dinamis dengan gerakan non-linear. - Terapkan teknik penyaringan partikel untuk menangani lingkungan bising yang sangat kompleks, non-Gaussian. - Menganalisis trade-off antara awal dan akhir metodologi fusi sensor menggunakan radar dan lidar paradigma. - Praktik mendesain algoritma perkiraan keadaan melalui struktur, langkah-demi-langkah kode tertulis walkthroughs. Kursus ini dimulai dengan teori probabilitas inti, sistem koordinat, dan model gerakan sebelum berkembang menjadi algoritma penyaringan non-linear canggih dan skenario pelacakan otomotif praktis. Anda akan mempelajari penjelasan rinci dan menganalisis implementasi kode bersih untuk memperkuat pemahaman teknis Anda. Kursus ini dirancang untuk pemula persepsi otomotif, pengembang perangkat lunak, dan mahasiswa teknik. Latar belakang dasar dalam aljabar linear dan pemrograman direkomendasikan, tetapi tidak ada pengalaman fusi sensor sebelumnya yang diperlukan. Mulai membaca hari ini untuk membangun dasar matematika yang diperlukan untuk persepsi kendaraan otonom modern.