Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
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