多傳感器融合目標(biāo)跟蹤課程
自動駕駛正在成為影響未來社會的關(guān)鍵技術(shù)，逐步將人類從枯燥繁重的駕駛?cè)蝿?wù)中解脫出來。而在自動駕駛技術(shù)中，感知系統(tǒng)又是重中之重。準(zhǔn)確高效地感知周圍的交通環(huán)境，是自動駕駛功能能夠?qū)崿F(xiàn)的前提，也是自動駕駛安全的重要保障。
從2004年美國國防高級研究計劃署（DARPA）舉辦首屆自動駕駛挑戰(zhàn)賽以來，大規(guī)模的自動駕駛技術(shù)研究與實踐已經(jīng)蓬勃發(fā)展了近20年。目前，學(xué)術(shù)界和工業(yè)界對于自動駕駛感知系統(tǒng)的架構(gòu)設(shè)計基本達(dá)成了共識——采用多傳感器融合方案。除了特斯拉堅持純視覺感知方案以外，從L2/L3輔助駕駛到L4/L5純無人駕駛，從乘用車到商用車，從中國到歐美，產(chǎn)業(yè)界的主流方案都使用了包含攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等兩種以上傳感器用于自動駕駛感知系統(tǒng)。
采用多類多個傳感器是實踐證明有效的方案。首先，多傳感器獨立工作，增加了感知系統(tǒng)的冗余性，個別傳感器出現(xiàn)故障不至于導(dǎo)致感知系統(tǒng)癱瘓，從而增強(qiáng)了整個自動駕駛系統(tǒng)的安全性和魯棒性；其次，不同傳感器的感知性能各有特點，采用先進(jìn)的融合感知算法可以取長補(bǔ)短，發(fā)揮每種傳感器自身的優(yōu)勢；最后，經(jīng)過多年的產(chǎn)業(yè)發(fā)展，各類傳感器的性能不斷提升而成本不斷下降，為多傳感器的量產(chǎn)裝備提供了有利條件。
多傳感器的使用為感知系統(tǒng)提供了豐富的原始環(huán)境信息，但如何將不同傳感器獲取的信息有效融合起來，并形成對于自車周圍環(huán)境和交通參與者狀態(tài)的最終估計，同樣是一個關(guān)鍵問題。而且，感知系統(tǒng)不是僅對某一刻的環(huán)境進(jìn)行感知，而是要對隨時間變化的環(huán)境狀態(tài)進(jìn)行持續(xù)地感知和跟蹤。
這一過程中最大的問題是不確定性，環(huán)境狀態(tài)本身的變化存在不確定性，傳感器的測量和檢測結(jié)果也存在不確定性。歸根到底，感知系統(tǒng)是要從充滿不確定性的數(shù)據(jù)中，估計盡可能確定的結(jié)果。而處理泛機(jī)器人領(lǐng)域中感知的不確定性并不是一個新問題，以貝葉斯理論為核心的概率體系為研究者提供了最優(yōu)的數(shù)學(xué)工具。
學(xué)習(xí)難度大
基于貝葉斯濾波的融合跟蹤技術(shù)，已經(jīng)成為工業(yè)界實現(xiàn)多傳感器融合感知的主流方案。這一技術(shù)既有嚴(yán)謹(jǐn)優(yōu)美的數(shù)學(xué)理論，又便于工程化落地，可以在不同的傳感器配置方案上快速遷移，并且能充分發(fā)揮不同傳感器的各自特點。
而這一方案在數(shù)學(xué)性和工程化上的優(yōu)點卻又為初學(xué)者帶來了很多困難，一方面，它要求掌握一定的概率論基礎(chǔ)和對貝葉斯濾波的深度理解，另一方面，它涉及到狀態(tài)估計、平面幾何、圖論、軌跡管理等多方面算法的工程化實現(xiàn)，導(dǎo)致許多人接觸這個領(lǐng)域很久也只是知其然而不知其所以然。
自動駕駛之心在認(rèn)真調(diào)研后，推出了我們的多傳感器融合跟蹤的課程，滿滿的干貨，真正做到幫助0基礎(chǔ)的同學(xué)高效學(xué)習(xí)，快速掌握每一個知識點！
項目實戰(zhàn)和理論結(jié)合，實戰(zhàn)課程的課后配套實戰(zhàn)代碼，隨學(xué)隨練、快速掌握。
共5大優(yōu)勢
課程包括完善的【老師教學(xué)】+【助教答疑】服務(wù)，確保每一位小伙伴都能愉快的學(xué)習(xí)知識。
一：帶你推公式，徹底搞懂卡爾曼濾波及其變種；
二：目標(biāo)跟蹤中的數(shù)據(jù)關(guān)聯(lián)詳解及應(yīng)用；
三：面向業(yè)務(wù)，深入淺出目標(biāo)軌跡管理；
四：實踐單傳感器的目標(biāo)跟蹤；
五：實戰(zhàn)多傳感器目標(biāo)跟蹤（Camera/Radar/Lidar）!
課件代碼一應(yīng)俱全
細(xì)致的講解，不光有理論，代碼及實踐也一定要講透徹！
通過全套的視頻講解，幫你在腦海中搭建模型的基本框架，讓你徹底搞懂每一個知識點，從而提高你寫代碼的速度。
講師介紹
Edison，自動駕駛之心前沿技術(shù)研究團(tuán)隊成員，Top2本碩，在定位、感知等方向有5年多的工作經(jīng)驗，在主機(jī)廠/創(chuàng)業(yè)公司深度參與L2/L4項目，目前職于某頭部L4科技公司，負(fù)責(zé)感知融合方向，在算法研究和工程落地方面有著豐富的經(jīng)驗。
課程收獲
對自動駕駛感知系統(tǒng)采用的主要傳感器的特性有一定理解；
對基于貝葉斯濾波的狀態(tài)估計和目標(biāo)跟蹤有深入理解；
對業(yè)界主流的多傳感器融合感知方案有深入理解；
學(xué)完本課程能夠達(dá)到1年左右的自動駕駛工程師水平；
能夠結(jié)識許多行業(yè)從業(yè)人員與學(xué)習(xí)合作伙伴；
適合人群
自動駕駛感知相關(guān)研究方向的本科/碩士/博士；
自動駕駛2D/3D感知融合相關(guān)算法工程人員；
目標(biāo)跟蹤與多傳感器融合相關(guān)方向從業(yè)人員；
想要轉(zhuǎn)入自動駕駛感知領(lǐng)域的學(xué)生和工程師；
本課程需要具備的基礎(chǔ)
具有基本的概率學(xué)和幾何學(xué)基礎(chǔ)；
一定的線性代數(shù)和矩陣論基礎(chǔ)；
具有一定的C++基礎(chǔ)；
開課時間與學(xué)習(xí)方式
2023年8月10日正式開始學(xué)習(xí)之路，歷經(jīng)兩個月，離線視頻授課。主講老師在微信學(xué)習(xí)群內(nèi)答疑，對課程中的算法、代碼、環(huán)境配置等問題一一解惑！
課程咨詢
掃碼加入學(xué)習(xí)！
掃碼添加助理咨詢課程！
(微信：AIDriver004)
版權(quán)聲明
自動駕駛之心所有課程最終版權(quán)均歸自動駕駛之心團(tuán)隊及旗下公司所屬，我們強(qiáng)烈譴責(zé)非法盜錄行為，對違法行為我們將第一時間寄出律師函。也歡迎同學(xué)們監(jiān)督舉報，對熱心監(jiān)督舉報的同學(xué)，我們將予以重報！投訴微信：AIDriver004(備注：盜版舉報)
