• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2022/2023

Беспилотные автомобили

Статус: Курс по выбору (Машинное обучение и анализ данных)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
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

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

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

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

Элементы контроля

  • неблокирующий 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.
  • блокирующий 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

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
Список литературы

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

Авторы

  • Спицина Кристина Станиславовна
  • Кузнецов Антон Михайлович