Беспилотные автомобили

Магистратура 2020/2021

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Программирование и анализ данных)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Шпильман Алексей Александрович

Прогр. обучения: Программирование и анализ данных

Язык: русский

Кредиты: 4

Контактные часы: 40

Полная версия программы учебной дисциплины

Аннотация

Целью освоения дисциплины «Беспилотные автомобили» является формирование у студентов теоретических знаний и практических навыков по алгоритмам, программному и техническому обеспечению, необходимым для функционирования беспилотных автомобилей. В результате изучения этой дисциплины студенты будут владеть основными программными библиотеками машинного обучения и компьютерного зрения, обработки данных с сенсоров Radar и Lidar, локализации и построения оптимального маршрута и системной интеграции. В результате освоения дисциплины студент должен: − знать и уметь применять основные методы машинного обучения в области компьютерного зрения, таких как сегментация изображения, анализ сцены, распознавание объектов; − уметь применять и настраивать программное обеспечение, способное по потоку данных с сенсоров Radar и Lidar определять относительные координаты и вектор движения окружающих объектов; − уметь реализовывать программный модуль, способный по данным систем GPS, ГЛОНАСС и изображению с камер привязать местоположение автомобиля к картографическим данным; − уметь реализовывать алгоритмы навигации A* и Hybrid A*’; − иметь навыки (приобрести опыт) интеграции программного обеспечения беспилотного автомобиля с помощью библиотеки интеграции ROS;

Цель освоения дисциплины

формирование у студентов теоретических знаний и практических навыков по алгоритмам, программному и техническому обеспечению, необходимым для функционирования беспилотных автомобилей.

Планируемые результаты обучения

Знает и умеет применять алгоритмы машинного обучения, применимые к анализу изображения. умеет проводить сегментацию изображения и поиск объектов с помощью глубоких нейронных сетей. Сети FCN, SegNet, Unet.
Владеет понятием сенсоров. Работает с сенсорами Radar и Lidar. Определение положения окружающих объектов с помощью сенсоров и многочастичного фильтра.
Владеет понятиями: вероятностная локализация.; марковская локализация, Сенсорная функция, Функция перемещения. Знает процесс подготовки данных для многочастичного фильтра.
Знает области целесообразного применения алгоритмов, методов и библиотек, необходимых для функционирования беспилотного автомобиля преимущества и недостатки Способен применять алгоритмы и методы для решения поставленных задач проектирования системы беспилотного автомобиля. Обладает знаниями для понимания полной картины функционирования беспилотного автомобиля.
Владеет основными понятиями контроллеров. Знает принцип действия. преимущества и недостатки контроллера. умеет подбирать параметры контроллеров.
Понимает как реализовать полную систему управления беспилотным автомобилем. Оценивает сложность работы и требования производительности аппаратного обеспечения беспилотного автомобиля. Может оптимизировать систему под требования производительности аппаратного обеспечения беспилотного автомобиля

Содержание учебной дисциплины

Машинное обучение и обработка изображений.
Работа с сенсорами Radar и Lidar. Определение положения окружающих объектов с помощью сенсоров и многочастичного фильтра.
Локализация
Контроллер
Архитектура беспилотного автомобиля
Планирование маршрута

Элементы контроля

ДОМАШНЕЕ ЗАДАНИЕ №1
ДОМАШНЕЕ ЗАДАНИЕ №2
ДОМАШНЕЕ ЗАДАНИЕ №3
УСТНЫЙ ЭКЗАМЕН

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.14 * ДОМАШНЕЕ ЗАДАНИЕ №1 + 0.17 * ДОМАШНЕЕ ЗАДАНИЕ №2 + 0.19 * ДОМАШНЕЕ ЗАДАНИЕ №3 + 0.5 * УСТНЫЙ ЭКЗАМЕН

Программа дисциплины