fbpx

自動駕駛汽車專業課程

開啟無人駕駛汽車的職業生涯。站在自動駕駛行業的最尖端。

關於此專業課程

處於自動駕駛行業的尖端。 市場研究人員預測,到 2025 年,市場規模將達到 420 億美元,路上行駛的自動駕駛汽車將超過 2000 萬輛。

這個專業可以讓你全面瞭解自動駕駛汽車業中使用的最先進的工程實踐。你將可以由親手做專案,通過使用開源模擬器 CARLA,與來自自動車輛(autonomous vehicle,AV)中的真實資料集進行互動。

在你的課程中,你會聽到在 Oxbotica 和 Zoox 這樣的公司工作的行業專家分享他們關於自動化技術的見解,以及自動化技術如何推動該領域的就業增長。

你將從一個高度逼真的駕駛環境中學習,其特點是 3D 行人模型和環境條件。 當你成功地完成了專業課,你將能夠建立自己的自動駕駛軟體堆棧,並準備申請在自動駕駛車輛業的工作。

必備條件

建議你先具備線性代數、機率、統計學、微積分、物理學、控制理論和 Python 程式設計的背景知識。 為了有效地執行 CARLA 模擬器,你需要這些規範: Windows 764 位元(或更高版本)或 Ubuntu 16.04(或更高版本) ,四核 Intel 或 AMD 處理器(2.5 GHz 或更高版本) ,NVIDIA GeForce 470 GTX 或 AMD Radeon 6870 HD 系列卡或更高版本,8 GB RAM,以及 OpenGL 3或更高版本(用於 Linux 計算機)。

應用的學習計畫

你將從一個高度真實的駕駛環境中學習,其特點是 3D 行人模型和環境條件。 當你成功地完成了這個專業課,你將可以建立自己的自動駕駛軟體堆棧,並準備申請無人車行業的工作。

你將學到的內容

  • 了解自動駕駛汽車軟體堆棧的架構細節與組成
  • 實施用於靜態和動態對象檢測,定位和映射,行為和機動計劃以及車輛控制的方法
  • 使用逼真的車輛物理學,完整的傳感器套件:相機,激光雷達,GPS / INS,車輪里程表,深度圖,語義分割,對象邊界框
  • 展示 CARLA 的技能並使用 Python 建構程式

到官方網站了解本課程與上課

字幕

英文

製作方

University of Toronto 多倫多大學

多倫多大學成立於 1827 年,是世界頂尖大學之一,在教學、研究、創新及創業方面均有卓越成就,對全球經濟繁榮及社會福祉亦有重大影響。

第 1 門課程  自動駕駛汽車簡介

歡迎來到無人駕駛汽車介紹,這是多倫多大學無人駕駛汽車專業的第一門課程。

本課程將介紹自動駕駛汽車的術語、設計考慮和安全評估。 在本課程結束時,你將能夠:

  • 理解自動駕駛汽車常用的硬體
  • 識別自動駕駛軟體堆棧的主要組成部分
  • 程式車輛建模和控制
  • 分析汽車開發的安全框架和當前的行業實踐

在本課程的最後一個專案中,你將開發控制程式碼,在 CARLA 模擬環境中駕駛一輛自動駕駛汽車環繞賽道。 你將為車輛建構縱向和橫向動態模型,並使用 Python 建立調節速度和路徑跟蹤效能的控制器。 你將測試你的控制設計的限制和瞭解對達到車輛性能極限的駕駛固有的挑戰。

本課程是一門高階課程,旨在給具有機械工程、計算機和電子工程或機器人學背景的學生。 要在這門課程中取得成功,你必須有 Python 3.0 的程式設計經驗,熟悉線性代數(矩陣、向量、矩陣乘法、秩( rank )、特徵值( Eigenvalues )和向量( vectors )與逆矩陣( inverses) ),統計學(高斯概率分佈) ,微積分和物理學(力、矩( moments )、慣性( inertia )、牛頓定律)。 為了有效地執行 CARLA 模擬器,你還需要一定的硬體和軟體規格: Windows 764位(或更高版本)或 Ubuntu 16.04(或更高版本)、四核 Intel 或 AMD 處理器(2.5 GHz 或更高版本)、 NVIDIA GeForce 470 GTX 或 AMD Radeon 6870 HD 系列卡或更高版本,8 GB RAM,以及 OpenGL 3或更高版本(用於 Linux 計算機)。


第 2 門課程 自動駕駛汽車的狀態估計與定位

歡迎來到無人駕駛汽車的狀態估計和定位,這是多倫多大學無人駕駛汽車專業的第二課程。 我們建議你在學習這門課程之前先學習專業課的第一門課程。

本課程將介紹不同的感測器,以及如何使用它們進行狀態估計和自動駕駛汽車定位。 在本課程結束時,你將能夠:

  • 理解用於自主駕駛的引數和狀態估計的關鍵方法,例如最小二次方( least-squares )
  • 開發典型車輛定位感測器模型,包括 GPS 和IMUs
  • 將擴充的和無跡卡爾曼濾波(Unscented Kalman Filters,UKF )應用於車輛狀態估計問題
  • 理解 LIDAR 掃描比對( matching )和迭代最近點的演算法( Closest Point algorithm )
  • 應用這些工具將多個感測器串流融合為一個自動駕駛汽車的單一狀態估計

本課程是一門高階課程,旨在給具有機械工程、計算機和電子工程或機器人學背景的學生。 要在這門課程中取得成功,你必須有 Python 3.0 的程式設計經驗,熟悉線性代數(矩陣、向量、矩陣乘法、秩( rank )、特徵值( Eigenvalues )和向量( vectors )與逆矩陣( inverses) ),統計學(高斯概率分佈) ,微積分和物理學(力、矩( moments )、慣性( inertia )、牛頓定律)。


第 3 門課程  自動駕駛汽車視知覺( Visual Perception )

歡迎來到無人駕駛汽車視知覺,這是多倫多大學無人駕駛汽車專業的第三門課程。

本課程將介紹自主駕駛、靜態和動態目標檢測中的主要感知任務,並將調查機器人感知的常用計算機視覺方法。 在本課程結束時,你將能夠使用小孔成像的攝影機,執行內部和外部相機校正、檢測、描述和比對影像特徵,並設計自己的卷積神經網路。 你將把這些方法應用到可視里程計( visual odometry )、目標檢測和跟蹤,以及可駕駛表面估計的語義分割。 這些技術代表了無人駕駛汽車感知系統的主要組成部分。 在本課程的期末專題中,你將開發演算法來識別場景中物體的邊界盒( bounding boxes ),並定義可駕駛表面的邊界。 你將使用合成的和真實的影像資料,並在一個真實的資料集上評估你的效能。

本課程是一門高階課程,旨在給具有機械工程、計算機和電子工程或機器人學背景的學生。 要在這門課程中取得成功,你必須有 Python 3.0 的程式設計經驗,熟悉線性代數(矩陣、向量、矩陣乘法、秩( rank )、特徵值( Eigenvalues )和向量( vectors )與逆矩陣( inverses) )


第 4 門課程  自動駕駛汽車的運動規劃

歡迎來到無人駕駛汽車運動規劃,這是多倫多大學無人駕駛汽車專業的第四門課程。

本課程將介紹自動駕駛的主要計劃任務,包括任務規劃、行為規劃和區域性規劃。 在本課程結束時,你將能夠使用 Dijkstra 和 A* 演算法找到圖或道路網路上的最短路徑,使用有限狀態機( finite state machines )選擇安全行為來執行,並設計最佳、平順的路徑和速度剖面圖( velocity profiles ),以便在遵守交通法規的情況下安全繞過障礙物。 你還將構建環境中靜態元素的佔用網格對映,並瞭解如何使用它們進行有效的碰撞檢測。 本課程將讓你有能力構建一個完整的自動駕駛規劃解決方案,表現得像一個典型的駕駛般帶你從家到工作,同時在任何時候保持車輛安全行駛。 在本課程的最後一個專案中,你將實現一個有階層的運動規劃程式,在 CARLA 模擬器通過一系列場景進行導航,包括避開停在你車道上的車輛,跟隨領頭車輛和安全地走過十字路口。 你將面臨現實世界的隨機性,需要確保你的解決方案對環境的變化是健全的。

這是一門中級課程,旨在給具有一定機器人學背景的學習者,它建立在該專業課程1中設計的模型和控制器的基礎上。 要在這門課程中取得成功,你必須有 Python 3.0 的程式設計經驗,並熟悉線性代數(矩陣、向量、矩陣乘法、秩、特徵值和向量以及逆)和微積分(常微分方程、積分)。


到官方網站了解本課程與上課

Sponsored by Coursera

你可能會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

Spread the love

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: