Магистратура
2022/2023
Беспилотные автомобили
Статус:
Курс по выбору (Машинное обучение и анализ данных)
Направление:
01.04.02. Прикладная математика и информатика
Кто читает:
Департамент информатики
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
Программа 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 заданиеДомашнее задание выдается студентам в одном варианте. Срок выполнения домашнего задания – 2 недели. Форма представления обучающимися домашнего задания – программа на языке Python/С#/ROS.
- ЭкзаменУстный 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 модульПреподаватель 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
Список литературы
Рекомендуемая основная литература
- Furht, B., Akar, E., & Andrews, W. A. (2018). Digital Image Processing: Practical Approach. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1881248
Рекомендуемая дополнительная литература
- LaValle, S. M. (2006). Planning Algorithms. Cambridge: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=170093