Sensor Technologies in Autonomous Vehicles

• Zrozumienie systemów i elektroniki samochodowej
• Doświadczenie z językami programowania takimi jak Python lub MATLAB
• Podstawowa wiedza z zakresu sterowania i przetwarzania sygnałów

Grupa docelowa

• Inżynierowie pracujący nad rozwojem pojazdów autonomicznych
• Automotive specjaliści zainteresowani integracją sensorów
• Specjaliści IoT badający zastosowania sensorów w inteligentnej mobilności

Czujniki są podstawą działania pojazdów autonomicznych, umożliwiając percepcję w czasie rzeczywistym, nawigację i podejmowanie decyzji.

To prowadzone przez instruktora, interaktywne szkolenie (online lub stacjonarne) skierowane jest do inżynierów średniego szczebla, specjalistów motoryzacyjnych i ekspertów IoT, którzy chcą zrozumieć rolę czujników w samochodach bez kierowcy, obejmując LiDAR, radar, kamery i techniki fuzji danych z czujników.

Po ukończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć różne typy czujników stosowanych w pojazdach autonomicznych.
• Analizować dane z czujników w celu percepcji pojazdu w czasie rzeczywistym i podejmowania decyzji.
• Implementować techniki fuzji danych z czujników w celu poprawy dokładności i bezpieczeństwa pojazdu.
• Optymalizować rozmieszczenie i kalibrację czujników w celu zwiększenia wydajności autonomicznej jazdy.

Format Kursu

• Interaktywny wykład i dyskusja.
• Duża ilość ćwiczeń i praktyki.
• Praktyczna implementacja w środowisku laboratorium na żywo.

Opcje Dostosowania Kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt w celu ustalenia szczegółów.

Wprowadzenie do sensorów pojazdów autonomicznych

• Przegląd architektury pojazdów autonomicznych
• Rola sensorów w technologii samodzielnej jazdy
• Wyzwania i ograniczenia percepcji opartej na sensorach

Sensory LiDAR w pojazdach autonomicznych

• Jak działa LiDAR: zasady i zastosowania
• Przetwarzanie danych LiDAR i mapowanie 3D
• Mocne i słabe strony LiDAR w systemach samodzielnej jazdy

Sensory radarowe i ultradźwiękowe

• Radar do wykrywania obiektów i unikania kolizji
• Interpretacja sygnałów radarowych i efekt Doppler
• Czujniki ultradźwiękowe do nawigacji przy niskich prędkościach

Kamery i Computer Vision Systemy

• Typy kamer używanych w pojazdach autonomicznych
• Techniki przetwarzania obrazu do rozpoznawania obiektów
• Zastosowania głębokiego uczenia się w percepcji wizualnej

Sensor Fusion i Data Integration

• Wprowadzenie do technik fuzji sensorów
• Łączenie danych LiDAR, radarowych i kamerowych w celu zwiększenia dokładności
• Filtry Kalmana i podejścia głębokiego uczenia się do fuzji sensorów

Przetwarzanie w czasie rzeczywistym i podejmowanie decyzji w pojazdach autonomicznych

• Opóźnienia i ograniczenia w czasie rzeczywistym w autonomicznej percepcji
• Przetwarzanie danych z sensorów w celu nawigacji i unikania przeszkód
• Studia przypadków: Tesla, Waymo i inni liderzy branży

Testowanie i kalibracja sensorów pojazdów autonomicznych

• Metody kalibracji sensorów i korekcji błędów
• Testowanie wydajności sensorów w różnych środowiskach
• Optymalizacja rozmieszczenia sensorów w celu poprawy percepcji pojazdu

Przyszłe trendy w sensorach pojazdów autonomicznych

• Nowe technologie sensorów w samochodach autonomicznych
• Postępy w analizie danych z sensorów oparte na sztucznej inteligencji
• Przyszłość w pełni autonomicznych systemów percepcji pojazdów

Podsumowanie i kolejne kroki