使用MATLAB自动驾驶
查看时间表和注册课程详情
这项为期两天的课程为开发和验证自动驾驶感知算法提供了动手经验。示例和练习证明了使用合适的MATLAB®和自动驾驶Toolbox™功能。
主题包括:
- 地面真相数据的标签
- 可视化传感器数据
- 检测车道和车辆
- 处理激光雷达点云
- 跟踪和传感器融合
- 生成驾驶场景和建模传感器
第2天的第2天
地面真相数据的标签
客观的:在视频或图像序列中标记地面真实数据。使用检测和跟踪算法自动化标签。
- 地面真相标签应用概述
- Label regions of interest (ROIs) and scenes
- 自动标签
- 查看和出口地面真相结果
Visualizing Sensor Data
客观的:Visualize camera frames, radar, and lidar detections. Use appropriate coordinate systems to transform image coordinates to vehicle coordinates and vice versa.
- 创建一个鸟的眼情节
- Plot sensor coverage areas
- 可视化检测和车道
- 从车辆转换为图像坐标
- 带有检测和车道边界的注释视频
Detecting Lanes and Vehicles
客观的:段和模型抛物线车道边界。使用预审前的对象探测器检测车辆。
- 执行鸟类的视图转换
- 检测车道功能
- 计算车道模型
- 用地面真相验证车道检测
- 带有预验物探测器的车辆检测
处理激光雷达点云
客观的:使用存储为3-D点云的LiDAR数据。通过将它们分割成簇来导入,可视化和过程云。寄存器点云以对齐并构建一个累积的点云图。
- 导入和可视化点云
- 预处理点云
- LIDAR传感器数据的细分对象
- Build a map from lidar sensor data
第2天的第2天
融合传感器检测和跟踪
客观的:创建一个多对象跟踪器,以从多个传感器(例如相机,雷达和激光雷)等信息融合信息。
- 跟踪多个对象
- 预处理检测
- 利用卡尔曼过滤器
- 管理多个轨道
- Track with multi-object tracker
Tracking Extended Objects
客观的:创建一个概率假设密度跟踪器以跟踪扩展对象并估计其空间范围。
- 定义传感器配置
- 跟踪扩展对象
- 估计空间范围
生成驾驶场景和建模传感器
客观的:创建驾驶场景,合成雷达和摄像机传感器检测,以测试自动驾驶感知算法。
- 驾驶场景设计师应用程序的概述
- 用道路,演员和传感器创建场景
- 模拟和可视化场景
- Generate detections and export scenarios
- 测试场景算法
等级:中间的
先决条件:
- MATLABFundamentals
- 使用MATLAB的图像处理,,,,Computer Vision with MATLAB以及图像处理和计算机视觉概念的基本知识
- Deep Learning with MATLAB被推荐
期间:2天
语言:英语,한국어