Об этом курсе

Недавно просмотрено: 62,549

Карьерные результаты учащихся

25%

получил значимые преимущества в карьере благодаря этому курсу

50%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
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. 27 часов на выполнение
Английский

Чему вы научитесь

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

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

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

  • Apply LIDAR scan matching and the Iterative Closest Point algorithm

Карьерные результаты учащихся

25%

получил значимые преимущества в карьере благодаря этому курсу

50%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
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. 27 часов на выполнение
Английский

от партнера

Placeholder

Торонтский университет

Программа курса: что вы изучите

Оценка контентаThumbs Up95%(1,739 оценки)Info
Неделя
1

Неделя 1

2 ч. на завершение

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

2 ч. на завершение
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

7 ч. на завершение
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

Неделя 2

7 ч. на завершение

Module 2: State Estimation - Linear and Nonlinear Kalman Filters

7 ч. на завершение
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

Неделя 3

2 ч. на завершение

Module 3: GNSS/INS Sensing for Pose Estimation

2 ч. на завершение
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

Неделя 4

2 ч. на завершение

Module 4: LIDAR Sensing

2 ч. на завершение
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

Рецензии

Лучшие отзывы о курсе STATE ESTIMATION AND LOCALIZATION FOR SELF-DRIVING CARS

Посмотреть все отзывы

Специализация Беспилотные автомобили: общие сведения

Беспилотные автомобили

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.