在线课程 – 多伦多大学自动驾驶汽车专业认证专业

自动驾驶汽车简介

课程 1

• 35 小时
• 4.7 （2,838 个评分）

课程详情

您将学到什么：

• 了解自动驾驶汽车中使用的常见硬件
• 确定自动驾驶汽车软件套件的关键组件
• 对车辆模型进行编程和控制
• 分析车辆开发的当前安全框架和行业实践

估计自动驾驶汽车的情况和位置

课程 2

• 26 小时
• 4.7 （822 评价）

课程详情

您将学到什么：

• 了解自动驾驶中估计参数和情况的主要方法，例如误差减少方法
• 为典型的车辆位置传感器（包括 GPS 和 IMU）开发模型
• 使用扩展的非稀薄卡尔曼滤波器解决车辆状况估计问题
• 实现 LIDAR 扫描匹配和迭代最近点算法技术

自动驾驶汽车的视觉感知

课程 3

• 31 小时
• 4.7 （571 评价）

课程详情

您将学到什么：

• 使用角相机模型，并执行相机的内部和外部校准
• 发现、描述和调整图像中的特征，并设计您自己的卷积神经网络
• 这些方法用于视觉里程计、对象检测和跟踪
• 将语义切割应用于测量可驾驶表面

自动驾驶汽车的交通规划

课程 4

• 32 小时
• 4.8 （461 评价）

课程详情

您将学到什么：

• 欢迎来到自动驾驶汽车交通规划课程，这是多伦多大学自动驾驶汽车专业的第四门课程。
• 本课程将向您介绍自动驾驶中的主要规划任务，包括任务规划、行为规划和局部规划。
• 在本课程结束时，您将使用 Estra 算法和 A* 在图形或道路网络上找到最短路线
• 使用有限状态机选择要执行的安全行为
• 制定最佳路线和平滑的速度曲线，以便在遵守交通法规的同时安全地绕过障碍物。
• 此外，您还将制作环境中静态元素占用情况的网格图，并学习如何使用它们来有效地测试碰撞。
• 本课程将为您提供构建完整自我规划解决方案的能力，该解决方案将带您从家到工作地点，同时像典型的司机一样行事并始终保持安全。

对于本课程的最终项目：

• 实施分层交通规划器，在 CARLA 仿真器中导航一系列场景，包括避开车道上停放的车辆、跟踪前方车辆以及安全导航十字路口。
• 您将处理现实世界的随机性，并且必须努力确保您的解决方案对环境变化具有鲁棒性。

课程要求：

• 这是一门中级课程，专为具有一定机器人技术背景的学习者设计，基于该专业课程 1 中创建的模型和控件。
• 要成功完成本课程，您必须具有 Python 3.0 编程经验，并熟悉线性代数（矩阵、向量、矩阵乘法、次数、值和特征向量和逆）以及 Hiddua（常微分方程、积分）。