À propos de ce cours

61,755 consultations récentes

Résultats de carrière des étudiants

25%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

50%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé

This is an advanced course, intended for learners with a background in mechanical engineering, computer and electrical engineering, or robotics.

Approx. 27 heures pour terminer
Anglais

Ce que vous allez apprendre

  • Understand the key methods for parameter and state estimation used for autonomous driving, such as the method of least-squares

  • Develop a model for typical vehicle localization sensors, including GPS and IMUs

  • Apply extended and unscented Kalman Filters to a vehicle state estimation problem

  • Apply LIDAR scan matching and the Iterative Closest Point algorithm

Résultats de carrière des étudiants

25%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

50%

a obtenu une augmentation de salaire ou une promotion
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau avancé

This is an advanced course, intended for learners with a background in mechanical engineering, computer and electrical engineering, or robotics.

Approx. 27 heures pour terminer
Anglais

Offert par

Placeholder

Université de Toronto

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up95%(1,751 notes)Info
Semaine
1

Semaine 1

2 heures pour terminer

Module 0: Welcome to Course 2: State Estimation and Localization for Self-Driving Cars

2 heures pour terminer
9 vidéos (Total 33 min), 3 lectures
9 vidéos
Welcome to the Course3 min
Meet the Instructor, Jonathan Kelly2 min
Meet the Instructor, Steven Waslander5 min
Meet Diana, Firmware Engineer2 min
Meet Winston, Software Engineer3 min
Meet Andy, Autonomous Systems Architect2 min
Meet Paul Newman, Founder, Oxbotica & Professor at University of Oxford5 min
The Importance of State Estimation1 min
3 lectures
Course Prerequisites: Knowledge, Hardware & Software15 min
How to Use Discussion Forums15 min
How to Use Supplementary Readings in This Course15 min
7 heures pour terminer

Module 1: Least Squares

7 heures pour terminer
4 vidéos (Total 33 min), 3 lectures, 3 quiz
4 vidéos
Lesson 1 (Part 2): Squared Error Criterion and the Method of Least Squares6 min
Lesson 2: Recursive Least Squares7 min
Lesson 3: Least Squares and the Method of Maximum Likelihood8 min
3 lectures
Lesson 1 Supplementary Reading: The Squared Error Criterion and the Method of Least Squares45 min
Lesson 2 Supplementary Reading: Recursive Least Squares30 min
Lesson 3 Supplementary Reading: Least Squares and the Method of Maximum Likelihood30 min
3 exercices pour s'entraîner
Lesson 1: Practice Quiz30 min
Lesson 2: Practice Quiz30 min
Module 1: Graded Quiz50 min
Semaine
2

Semaine 2

7 heures pour terminer

Module 2: State Estimation - Linear and Nonlinear Kalman Filters

7 heures pour terminer
6 vidéos (Total 53 min), 5 lectures, 1 quiz
6 vidéos
Lesson 2: Kalman Filter and The Bias BLUEs5 min
Lesson 3: Going Nonlinear - The Extended Kalman Filter9 min
Lesson 4: An Improved EKF - The Error State Extended Kalman Filter6 min
Lesson 5: Limitations of the EKF7 min
Lesson 6: An Alternative to the EKF - The Unscented Kalman Filter15 min
5 lectures
Lesson 1 Supplementary Reading: The Linear Kalman Filter45 min
Lesson 2 Supplementary Reading: The Kalman Filter - The Bias BLUEs10 min
Lesson 3 Supplementary Reading: Going Nonlinear - The Extended Kalman Filter45 min
Lesson 4 Supplementary Reading: An Improved EKF - The Error State Kalman FIlter1 h
Lesson 6 Supplementary Reading: An Alternative to the EKF - The Unscented Kalman Filter30 min
Semaine
3

Semaine 3

2 heures pour terminer

Module 3: GNSS/INS Sensing for Pose Estimation

2 heures pour terminer
4 vidéos (Total 34 min), 3 lectures, 1 quiz
4 vidéos
Lesson 2: The Inertial Measurement Unit (IMU)10 min
Lesson 3: The Global Navigation Satellite Systems (GNSS)8 min
Why Sensor Fusion?3 min
3 lectures
Lesson 1 Supplementary Reading: 3D Geometry and Reference Frames10 min
Lesson 2 Supplementary Reading: The Inertial Measurement Unit (IMU)30 min
Lesson 3 Supplementary Reading: The Global Navigation Satellite System (GNSS)15 min
1 exercice pour s'entraîner
Module 3: Graded Quiz50 min
Semaine
4

Semaine 4

2 heures pour terminer

Module 4: LIDAR Sensing

2 heures pour terminer
4 vidéos (Total 48 min), 3 lectures, 1 quiz
4 vidéos
Lesson 2: LIDAR Sensor Models and Point Clouds12 min
Lesson 3: Pose Estimation from LIDAR Data17 min
Optimizing State Estimation3 min
3 lectures
Lesson 1 Supplementary Reading: Light Detection and Ranging Sensors10 min
Lesson 2 Supplementary Reading: LIDAR Sensor Models and Point Clouds10 min
Lesson 3 Supplementary Reading: Pose Estimation from LIDAR Data30 min
1 exercice pour s'entraîner
Module 4: Graded Quiz30 min

Avis

Meilleurs avis pour STATE ESTIMATION AND LOCALIZATION FOR SELF-DRIVING CARS

Voir tous les avis

À propos du Spécialisation Voiture autonome

Voiture autonome

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.