Беспилотные автомобили

Магистратура 2022/2023

Статус: Курс по выбору (Машинное обучение 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

Охват аудитории: для своего кампуса

Преподаватели: Кузнецов Антон Михайлович

Прогр. обучения: Машинное обучение и анализ данных

Язык: русский

Кредиты: 4

Контактные часы: 28

Полная версия программы учебной дисциплины

Аннотация

Является дисциплиной по выбору. Дисциплина направлена на 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.

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 основные методы машинного обучения в области компьютерного зрения, таких как сегментация изображения, анализ сцены, распознавание объектов.
Умеет применять и настраивать программное обеспечение, способное по потоку данных с сенсоров Radar и Lidar определять относительные координаты и вектор движения окружающих объектов.
Умеет реализовывать программный модуль, способный по данным систем GPS, ГЛОНАСС и изображению с камер привязать местоположение автомобиля к картографическим данным.
Умеет реализовывать алгоритмы навигации A* и Hybrid A*.
Имеет навыки интеграции программного обеспечения беспилотного автомобиля с помощью библиотеки интеграции ROS.

Содержание учебной дисциплины

Раздел 1. Машинное обучение и обработка изображений.
Раздел 2. Работа с сенсорами Radar и Lidar. Определение положения окружающих объектов с помощью сенсоров и многочастичного фильтра.
Раздел 3. Локализация.
Раздел 4 Контроллер.
Раздел 5. Планирование маршрута.
Раздел 6. Архитектура беспилотного автомобиля.

Элементы контроля

Домашнее задание
Домашнее задание выдается студентам в одном варианте. Срок выполнения домашнего задания – 2 недели. Форма представления обучающимися домашнего задания – программа на языке Python/С#/ROS.
Экзамен
Устный экзамен проводится в форме ответов на вопросы экзаменационного билета и дополнительные вопросы по материалам курса. Экзаменационный билет содержит два вопроса. На подготовку ответа выделяется 40 минут.

Промежуточная аттестация

2022/2023 учебный год 2 модуль
Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3)/3 Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая = 0,5Онакопленная + 0,5Оэкзамен

Программа дисциплины