स्वायत्त वाहनों के लिए स्थिति अनुमान और स्थानीयकरण

सुरक्षित रूप से नेविगेट करने के लिए, एक स्वायत्त वाहन को यह बिल्कुल पता होना चाहिए कि वह दुनिया में सेंटीमीटर तक कहाँ है। यह समझना कि स्व-चालित कारें अपनी स्थिति और ओरिएंटेशन का अनुमान लगाने के लिए कच्चे सेंसर डेटा को कैसे संसाधित करती हैं, किसी भी महत्वाकांक्षी रोबोटिक्स इंजीनियर के लिए एक बुनियादी कौशल है। इस टेक्स्ट-आधारित पाठ्यक्रम में, आप बुनियादी भौतिकी अवधारणाओं को समझने से लेकर आधुनिक स्वायत्त वाहन स्थानीयकरण को शक्ति प्रदान करने वाले मुख्य गणित और एल्गोरिदम को समझने की ओर बढ़ेंगे। आप अध्ययन करेंगे कि वाहन एक मजबूत, वास्तविक समय अनुमान प्रणाली बनाने के लिए GNSS, इनर्शियल मेजरमेंट यूनिट (IMU), और व्हील ओडोमेट्री के डेटा को कैसे मिलाते हैं। आप क्या सीखेंगे: - वाहन गति मॉडलिंग में प्रयुक्त बुनियादी किनेमैटिक्स और कोऑर्डिनेट फ़्रेम को समझें। - शोरगुल वाले सेंसर माप को संसाधित करने के लिए least squares अनुमान और Kalman फ़िल्टरिंग लागू करें। - सेंसर फ़्यूजन तकनीकों को लागू करें जो GNSS, IMU और ओडोमेट्री डेटा को जोड़ती हैं। - Extended Kalman Filters (EKF) और त्रुटि-स्थिति फॉर्मूलेशन सहित आधुनिक स्थिति अनुमान प्रतिमानों का पता लगाएं। - सेंसर विसंगतियों और सिग्नल ड्रॉपआउट को संभालने के लिए मजबूत अनुमान विधियों और आउटlier अस्वीकृति का विश्लेषण करें। पाठ्यक्रम किनेमैटिक्स, प्रायिकता और कोऑर्डिनेट सिस्टम में बुनियादी अवधारणाओं के साथ शुरू होता है, और फिर पुनरावर्ती स्थिति अनुमान, Kalman फ़िल्टरिंग और आधुनिक मल्टी-सेंसर फ़्यूजन रणनीतियों की ओर बढ़ता है। यह पाठ्यक्रम रोबोटिक्स और स्वायत्त प्रणालियों में रुचि रखने वाले शुरुआती लोगों के लिए डिज़ाइन किया गया है, जिसके लिए केवल बुनियादी रैखिक बीजगणित और सामान्य प्रोग्रामिंग से परिचित होना आवश्यक है। स्व-चालित हार्डवेयर के साथ किसी पूर्व अनुभव की आवश्यकता नहीं है। आज ही स्वायत्त वाहन स्थानीयकरण के एल्गोरिथम कोर को सीखना शुरू करें।