具有深度学习和计算机视觉的 ROS2 自动驾驶汽车
使用 TensorFlow 和神经网络的自动驾驶汽车初学者
讲师:Muhammad Luqman, Haider Najeeb
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
- 在仿真中构建您自己的自动驾驶汽车 (ROS2)
- 学习开发 4 个基本的自动驾驶功能(车道辅助、巡航控制、导航 T-Junc、交叉路口)
- 掌握计算机视觉技术,例如(检测、定位、跟踪)
- 深入研究定制神经网络 (CNN)
- (新!!!)开发卫星导航系统(即 GPS),帮助 SDC 自主导航到任何所需的目的地。
- 通过实际示例了解如何利用其他存储库提供的功能来满足您的需求。
要求
- Python 基础编程和模块
- ROS2基本节点和启动文件处理
- Gazebo 模型与 ROS 的通信
- 基本 Opencv 处理
说明
本课程包含通过 RGB 摄像头从头创建的基于 ROS2 的自动驾驶汽车
自驾车特点:
– 车道辅助
– 巡航控制
– 丁字路口导航
– 穿越十字路口
罗斯套餐
- 世界模型创作
- 普锐斯 OSRF 凉亭模型编辑
- 节点、启动文件
- SDF 通过 Gazebo
- SDF 中的纹理和插件
软件部分:
- 感知管道设置
- 使用计算机视觉技术进行车道检测
- 使用(定制的)CNN 进行符号分类
- 使用 Haar 级联进行交通灯检测
- 使用光流的标志和交通灯跟踪
- 基于规则的控制算法
课前要求
基于软件
- Ubuntu 20.04(长期支持版)
- ROS2 – 狡猾的菲茨罗伊
- Python 3.6
- Opencv 4.2
- 张量流 2.14
基于技能
- 基本 ROS2 节点通信
- 启动文件
- 凉亭模型创建
- 有动力的头脑:)
课程流程(自动驾驶【开发阶段】)
我们将利用 3D 模型(在存储库中提供)和从教师提供的链接购买的汽车零件,快速让我们的汽车在 Raspberry Pi 上运行。之后,我们将把树莓派与电机和相机连接起来,开始认真编程。
然后通过了解自动驾驶的概念以及它将如何改变我们在交通和环境领域的不久的将来。然后我们将对两个 SD 巨人(Tesla 和 Waymo)进行比较;)。之后,我们将通过在模拟中直接与您交谈来提出我们的建议,以便您亲眼目睹课程结果。
我们的自动驾驶汽车主要由四个关键特征组成。
1) 车道辅助 2) 巡航控制
3) 导航丁字路口 4) 穿越十字路口
每个功能开发将包括两部分
a) 检测:收集该特征所需的信息
b) 控制: 对收到的信息提出适当的回应
软件要求
- Ubuntu 20.4 和 ROS2 Foxy
- Python 3.6
- OpenCV 4.2
- 张量流
- 一个巨大的编程项目的动机
– 在购买之前看看这个课程 Github 存储库或消息(如果您不想购买,至少获取代码并从中学习:))
此课程面向哪些人:
- 想要打造属于自己的一辆的自动驾驶汽车爱好者
- 希望从事计算机视觉、人工智能和机器人领域的工程师
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。