Contacta con nosotros

Temario del curso

Introducción a la fusión de datos de múltiples sensores

  • Importancia de la fusión de datos en la navegación autónoma
  • Desafíos de la integración de múltiples sensores
  • Aplicaciones de la fusión de datos en la percepción en tiempo real

Tecnologías de sensores y características de los datos

  • LiDAR: generación y procesamiento de nubes de puntos
  • Cámara: captura de datos visuales y procesamiento de imágenes
  • RADAR: detección de objetos y estimación de velocidad
  • Unidades de medición inercial (IMU): seguimiento del movimiento

Fundamentos de la fusión de datos

  • Fundamentos matemáticos: filtros de Kalman, inferencia bayesiana
  • Técnicas de asociación y alineación de datos
  • Manejo del ruido de los sensores y la incertidumbre

Algoritmos de fusión para navegación autónoma

  • Filtro de Kalman y Filtro de Kalman Extendido (EKF)
  • Filtro de partículas para sistemas no lineales
  • Filtro de Kalman inscrito (UKF) para dinámicas complejas
  • Asociación de datos mediante el vecino más cercano y la asociación probabilística conjunta de datos (JPDA)

Implementación práctica de la fusión de sensores

  • Integración de datos de LiDAR y cámaras para la detección de objetos
  • Fusión de datos de RADAR y cámaras para estimación de velocidad
  • Combinación de datos de GPS e IMU para localización precisa

Procesamiento y sincronización de datos en tiempo real

  • Métodos de marcaje temporal y sincronización de datos
  • Manejo de latencia y optimización del rendimiento en tiempo real
  • Gestión de datos provenientes de sensores asincrónicos

Técnicas avanzadas y desafíos

  • Enfoques de aprendizaje profundo para la fusión de datos
  • Integración de datos multimodales y extracción de características
  • Manejo de fallos de sensores y datos degradados

Evaluación y optimización del rendimiento

  • Métricas cuantitativas de evaluación para la precisión de la fusión
  • Análisis del rendimiento bajo diferentes condiciones ambientales
  • Mejora de la robustez del sistema y la tolerancia a fallos

Estudios de caso y aplicaciones del mundo real

  • Técnicas de fusión en prototipos de vehículos autónomos
  • Implementación exitosa de algoritmos de fusión de sensores
  • Taller: implementación de una tubería de fusión de múltiples sensores

Resumen y próximos pasos

Requerimientos

  • Experiencia en programación con Python
  • Conocimiento de tecnologías básicas de sensores (por ejemplo, LiDAR, cámaras, RADAR)
  • Familiaridad con ROS y procesamiento de datos

Audiencia

  • Especialistas en fusión de sensores que trabajan en sistemas de navegación autónoma
  • Ingenieros de inteligencia artificial enfocados en la integración de múltiples sensores y el procesamiento de datos
  • Investigadores en el campo de la percepción de vehículos autónomos
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas