先进的卡尔曼滤波和传感器融合
自动驾驶汽车和自动驾驶汽车的理论和 C++ 仿真实现!
讲师:Steven Dumble
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将会学到的
- 如何使用线性卡尔曼滤波器解决线性最优估计问题
- 如何使用扩展卡尔曼滤波器解决非线性估计问题
- 如何使用无迹卡尔曼滤波器解决非线性估计问题
- 如何融合以不同更新速率运行的多个传感器的测量结果
- 如何调整卡尔曼滤波器以获得最佳性能
- 如何正确初始化卡尔曼滤波器以实现稳健运行
- 如何对卡尔曼滤波器内的传感器误差进行建模
- 如何使用故障检测来消除不良传感器测量结果
- 如何用 C++ 实现上述 3 个卡尔曼滤波器变体
- 如何用 C++ 实现 LKF 解决 2d 跟踪问题
- 如何用 C++ 实现 EKF 和 UKF 以解决自动驾驶汽车问题
要求
- 一颗好奇的心!
- 基础微积分:函数、导数、积分
- 线性代数:矩阵和向量运算
- 基本概率
- 基本的 C++ 编程知识
说明
您需要学习传感器融合和卡尔曼滤波!在本课程中,学习如何使用这些概念并实施它们,重点关注自动驾驶汽车。
卡尔曼滤波器是估计和数据融合理论史上最伟大的发现之一,也许也是二十世纪最伟大的工程发现之一。它使人类能够做和建造许多其他方式不可能实现的事情。它可直接应用于复杂动态系统的控制,如汽车、飞机、船舶和航天器。
这些概念广泛应用于工程和制造领域,但也应用于化学、生物学、金融、经济学等许多其他领域。
为什么关注传感器融合和卡尔曼滤波
- 数据融合是一个令人惊叹的工具,几乎在涉及任何类型的传感、测量或自动化的每一项现代技术中都有使用。
- 卡尔曼滤波器是最广泛使用的数据融合方法之一。通过理解这个过程,您将更容易理解更复杂的方法。
- 传感器融合是卡尔曼滤波的关键用途之一,广泛应用于无人驾驶车辆和自动驾驶汽车。
- 评估和调整卡尔曼滤波器以获得最佳性能可能有点像“魔法”,我们将为您提供提示和结构,以便您知道如何自己执行此操作。
- 因此,您不必浪费时间尝试解决或调试使用这些知识可以轻松避免的问题!成为主题专家!
你将学到什么:
您将从头开始学习该理论,这样您就可以完全理解它的工作原理以及事物对最终结果的影响。您还将学习这些技术的实际实施,以便您知道如何将理论付诸实践。在本课程中,您将使用 C++ 模拟,引导您实现自动驾驶车辆的各种卡尔曼滤波方法。
在课程结束时,Capstone 项目将实现无味卡尔曼滤波器并运行它,就像在真正的自动驾驶汽车或自动驾驶车辆中使用一样!
我们将涵盖:
- 基本背景概率和系统理论
- 线性卡尔曼滤波
- 扩展卡尔曼滤波
- 无味卡尔曼滤波
- 传感器融合的高级主题,例如故障检测和传感器错误建模。
- 自动驾驶汽车传感器融合问题的 C++ 仿真实现。
在本课程结束时,您将了解:
- 如何使用线性卡尔曼滤波器解决线性最优估计问题
- 如何使用扩展卡尔曼滤波器解决非线性估计问题
- 如何使用无迹卡尔曼滤波器解决非线性估计问题
- 如何融合以不同更新速率运行的多个传感器的测量结果
- 如何调整卡尔曼滤波器以获得最佳性能
- 如何正确初始化卡尔曼滤波器以实现稳健运行
- 如何对卡尔曼滤波器内的传感器误差进行建模
- 如何使用故障检测来消除不良传感器测量结果
- 如何用 C++ 实现上述 3 个卡尔曼滤波器变体
- 如何用 C++ 实现 LKF 解决 2d 跟踪问题
- 如何用 C++ 实现 EKF 和 UKF 以解决自动驾驶汽车问题
课程要求或先决条件是什么:
本课程是更高级系列的一部分,因此它确实有一些先决条件:
- 基础微积分:函数、导数、积分
- 线性代数:矩阵和向量运算
- 基本概率
- 基本的 C++ 编程知识
本课程适合谁:
- 大学生或独立学习者。
- 有抱负的机器人或自动驾驶汽车工程师或爱好者。
- 工作工程师和科学家。
- 想要温习与卡尔曼滤波和传感器融合相关的数学理论和技能的工程专业人士。
- 希望了解数据融合背后的基本概念以帮助实施或支持开发数据融合代码的软件开发人员。
- 任何已经精通“理论上”数学并希望学习如何在代码中实现该理论的人。
您将在本课程中获得什么:
- > 8 小时的视频讲座,包括解释和思考、图片、图表和动画。
- 包含重要注释和练习的备忘单 PDF 文档
- 自动驾驶汽车示例的 C++ 模拟代码。
- 问答区提供所有源代码和友好支持。
为什么我有资格教授这门课程:
在过去的十年里,我一直在多家航空航天和自动化公司担任制导、导航和控制工程师,专注于飞机、导弹和车辆状态估计的传感器融合。我在大学任教期间向学士、硕士和博士生以及工程专业人士讲授过这些内容。
你还在等什么??
观看课程教学视频和免费样本,以便您了解课程内容。如果您认为本课程对您有帮助,请注册,如果本课程不适合您,我们保证退款。
我希望很快能在课程中见到您!
史蒂夫
此课程面向哪些人:
- 大学生或独立学习者
- 有抱负的机器人或自动驾驶汽车工程师
- 在职工程师和科学家
- 想要温习与卡尔曼滤波和传感器融合相关的数学理论和技能的工程专业人士
- 希望了解数据融合背后的基本概念以帮助实施或支持开发数据融合代码的软件开发人员
- 任何已经精通数学“理论上”并且想要学习如何在代码中实现该理论的人