Sensor Technologies in Autonomous Vehicles

• 對汽車系統和電子設備的理解
• 具備如Python或MATLAB等程式語言的經驗
• 控制系統和信號處理的基礎知識

目標受眾

• 從事自動駕駛車輛開發的工程師
• 對感測器整合感興趣的Automotive專業人士
• 探索智慧移動中感測器應用的物聯網專家

傳感器是自動駕駛車輛運作的基礎，能夠實現即時感知、導航和決策。

這門由講師指導的培訓（線上或線下）針對中級工程師、汽車專業人士和物聯網專家，旨在幫助他們了解傳感器在自動駕駛汽車中的作用，涵蓋LiDAR、雷達、攝像頭以及傳感器融合技術。

培訓結束後，參與者將能夠：

• 了解自動駕駛車輛中使用的不同類型傳感器。
• 分析傳感器數據，實現車輛的即時感知和決策。
• 實施傳感器融合技術，提高車輛的準確性和安全性。
• 優化傳感器的放置和校準，提升自動駕駛性能。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在實時實驗室環境中進行動手操作。

課程定制選項

• 如需為本課程定制培訓，請聯繫我們進行安排。

自動駕駛車輛感測器簡介

• 自動駕駛車輛架構概述
• 感測器在自動駕駛技術中的角色
• 基於感測器的感知挑戰與限制

自動駕駛車輛中的LiDAR感測器

• LiDAR的工作原理：原理與應用
• LiDAR數據處理與3D地圖繪製
• LiDAR在自動駕駛系統中的優勢與限制

雷達與超聲波感測器

• 雷達用於物體檢測與碰撞避免
• 解讀雷達信號與多普勒效應
• 超聲波感測器用於低速導航

相機與Computer Vision系統

• 自動駕駛車輛中使用的相機類型
• 用於物體識別的圖像處理技術
• 深度學習在視覺感知中的應用

Sensor Fusion與Data Integration

• 感測器融合技術簡介
• 結合LiDAR、雷達與相機數據以提高準確性
• 卡爾曼濾波與深度學習在感測器融合中的應用

即時處理與自動決策

• 自動駕駛感知中的延遲與即時限制
• 處理感測器數據以進行導航與障礙避免
• 案例研究：Tesla、Waymo及其他行業領先者

自動駕駛車輛感測器的測試與校準

• 感測器校準與錯誤修正方法
• 在不同環境中測試感測器性能
• 優化感測器位置以增強車輛感知能力

自動駕駛車輛感測的未來趨勢

• 自動駕駛汽車中的新興感測技術
• AI驅動的感測數據分析進展
• 完全自動駕駛車輛感知系統的未來

總結與下一步