Об этом курсе
Недавно просмотрено: 49,845

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

This is an advanced course, intended for learners with a background in mechanical engineering, computer and electrical engineering, or robotics.

Прибл. 25 часов на выполнение

Предполагаемая нагрузка: 4 weeks of study, 5-6 hours per week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Understand the key methods for parameter and state estimation used for autonomous driving, such as the method of least-squares

  • Check

    Develop a model for typical vehicle localization sensors, including GPS and IMUs

  • Check

    Apply extended and unscented Kalman Filters to a vehicle state estimation problem

  • Check

    Apply LIDAR scan matching and the Iterative Closest Point algorithm

Учащиеся, которые проходят продукт ''Course'
  • Machine Learning Engineers
  • Data Scientists
  • Engineers
  • Researchers
  • Software Engineers

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

This is an advanced course, intended for learners with a background in mechanical engineering, computer and electrical engineering, or robotics.

Прибл. 25 часов на выполнение

Предполагаемая нагрузка: 4 weeks of study, 5-6 hours per week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Module 0: Welcome to Course 2: State Estimation and Localization for Self-Driving Cars

9 видео ((всего 33 мин.)), 3 материалов для самостоятельного изучения
9 видео
Welcome to the Course3мин
Meet the Instructor, Jonathan Kelly2мин
Meet the Instructor, Steven Waslander5мин
Meet Diana, Firmware Engineer2мин
Meet Winston, Software Engineer3мин
Meet Andy, Autonomous Systems Architect2мин
Meet Paul Newman, Founder, Oxbotica & Professor at University of Oxford5мин
The Importance of State Estimation1мин
3 материала для самостоятельного изучения
Course Prerequisites: Knowledge, Hardware & Software15мин
How to Use Discussion Forums15мин
How to Use Supplementary Readings in This Course15мин
7 ч. на завершение

Module 1: Least Squares

4 видео ((всего 33 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
4 видео
Lesson 1 (Part 2): Squared Error Criterion and the Method of Least Squares6мин
Lesson 2: Recursive Least Squares7мин
Lesson 3: Least Squares and the Method of Maximum Likelihood8мин
3 материала для самостоятельного изучения
Lesson 1 Supplementary Reading: The Squared Error Criterion and the Method of Least Squares45мин
Lesson 2 Supplementary Reading: Recursive Least Squares30мин
Lesson 3 Supplementary Reading: Least Squares and the Method of Maximum Likelihood30мин
3 практических упражнения
Lesson 1: Practice Quiz30мин
Lesson 2: Practice Quiz30мин
Module 1: Graded Quiz50мин
Неделя
2
7 ч. на завершение

Module 2: State Estimation - Linear and Nonlinear Kalman Filters

6 видео ((всего 53 мин.)), 5 материалов для самостоятельного изучения, 1 тест
6 видео
Lesson 2: Kalman Filter and The Bias BLUEs5мин
Lesson 3: Going Nonlinear - The Extended Kalman Filter9мин
Lesson 4: An Improved EKF - The Error State Extended Kalman Filter6мин
Lesson 5: Limitations of the EKF7мин
Lesson 6: An Alternative to the EKF - The Unscented Kalman Filter15мин
5 материалов для самостоятельного изучения
Lesson 1 Supplementary Reading: The Linear Kalman Filter45мин
Lesson 2 Supplementary Reading: The Kalman Filter - The Bias BLUEs10мин
Lesson 3 Supplementary Reading: Going Nonlinear - The Extended Kalman Filter45мин
Lesson 4 Supplementary Reading: An Improved EKF - The Error State Kalman FIlter
Lesson 6 Supplementary Reading: An Alternative to the EKF - The Unscented Kalman Filter30мин
Неделя
3
2 ч. на завершение

Module 3: GNSS/INS Sensing for Pose Estimation

4 видео ((всего 34 мин.)), 3 материалов для самостоятельного изучения, 1 тест
4 видео
Lesson 2: The Inertial Measurement Unit (IMU)10мин
Lesson 3: The Global Navigation Satellite Systems (GNSS)8мин
Why Sensor Fusion?3мин
3 материала для самостоятельного изучения
Lesson 1 Supplementary Reading: 3D Geometry and Reference Frames10мин
Lesson 2 Supplementary Reading: The Inertial Measurement Unit (IMU)30мин
Lesson 3 Supplementary Reading: The Global Navigation Satellite System (GNSS)15мин
1 практическое упражнение
Module 3: Graded Quiz50мин
Неделя
4
2 ч. на завершение

Module 4: LIDAR Sensing

4 видео ((всего 48 мин.)), 3 материалов для самостоятельного изучения, 1 тест
4 видео
Lesson 2: LIDAR Sensor Models and Point Clouds12мин
Lesson 3: Pose Estimation from LIDAR Data17мин
Optimizing State Estimation3мин
3 материала для самостоятельного изучения
Lesson 1 Supplementary Reading: Light Detection and Ranging Sensors10мин
Lesson 2 Supplementary Reading: LIDAR Sensor Models and Point Clouds10мин
Lesson 3 Supplementary Reading: Pose Estimation from LIDAR Data30мин
1 практическое упражнение
Module 4: Graded Quiz30мин
4.6
Рецензии: 29Chevron Right

Лучшие отзывы о курсе State Estimation and Localization for Self-Driving Cars

автор: RLApr 27th 2019

It provides a hand-on experience in implementing part of the localization process...interesting stuff!! Kind of time-consuming so be prepared.

автор: MIAug 12th 2019

Very interesting course if you want to learn about the different filters used in self driving cars for sensor fusion

Преподаватели

Avatar

Jonathan Kelly

Assistant Professor
Aerospace Studies
Avatar

Steven Waslander

Associate Professor
Aerospace Studies

О Торонтский университет

Established in 1827, the University of Toronto is one of the world’s leading universities, renowned for its excellence in teaching, research, innovation and entrepreneurship, as well as its impact on economic prosperity and social well-being around the globe. ...

Специализация Беспилотные автомобили: общие сведения

Be at the forefront of the autonomous driving industry. With market researchers predicting a $42-billion market and more than 20 million self-driving cars on the road by 2025, the next big job boom is right around the corner. This Specialization gives you a comprehensive understanding of state-of-the-art engineering practices used in the self-driving car industry. You'll get to interact with real data sets from an autonomous vehicle (AV)―all through hands-on projects using the open source simulator CARLA. Throughout your courses, you’ll hear from industry experts who work at companies like Oxbotica and Zoox as they share insights about autonomous technology and how that is powering job growth within the field. You’ll learn from a highly realistic driving environment that features 3D pedestrian modelling and environmental conditions. When you complete the Specialization successfully, you’ll be able to build your own self-driving software stack and be ready to apply for jobs in the autonomous vehicle industry. It is recommended that you have some background in linear algebra, probability, statistics, calculus, physics, control theory, and Python programming. You will need these specifications in order to effectively run the CARLA simulator: Windows 7 64-bit (or later) or Ubuntu 16.04 (or later), Quad-core Intel or AMD processor (2.5 GHz or faster), NVIDIA GeForce 470 GTX or AMD Radeon 6870 HD series card or higher, 8 GB RAM, and OpenGL 3 or greater (for Linux computers)....
Беспилотные автомобили

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.