การรับรู้ทางสายตาสำหรับการขับขี่อัตโนมัติ

เพื่อให้รถยนต์ขับเคลื่อนด้วยตนเองสามารถนำทางได้อย่างปลอดภัย รถจะต้องตีความโลกทัศน์รอบตัวได้อย่างแม่นยำก่อน หลักสูตรนี้มอบรากฐานที่มั่นคงว่าข้อมูลภาพถูกประมวลผลอย่างไรเพื่อระบุสิ่งกีดขวาง เครื่องหมายช่องทางจราจร และป้ายจราจร เปลี่ยนพิกเซลดิบให้เป็นข้อมูลที่นำไปใช้ได้จริงสำหรับระบบอัตโนมัติ คุณจะได้รับความเข้าใจที่ชัดเจนว่ากล้องทำงานเป็นเซ็นเซอร์อย่างไร และวิธีการแปลงภาพ 2D ให้เป็นข้อมูลเชิงพื้นที่ 3D เมื่อจบหลักสูตรนี้ คุณจะสามารถอธิบายกลไกหลักที่ช่วยให้ยานพาหนะรับรู้สภาพแวดล้อมและแยกแยะผู้ใช้ถนนประเภทต่าง ๆ ได้ What you'll learn: - ทำความเข้าใจ pinhole camera model และเรขาคณิตของการสร้างภาพ - ดำเนินการ camera calibration เพื่อพิจารณาพารามิเตอร์ภายใน (intrinsic) และภายนอก (extrinsic) - ระบุและจับคู่คุณลักษณะของภาพเพื่อติดตามการเคลื่อนไหวข้ามเฟรม - ประยุกต์ใช้เทคนิค object detection สำหรับองค์ประกอบถนนทั้งแบบคงที่และแบบไดนามิก - สำรวจสถาปัตยกรรม vision สมัยใหม่และ transformers เพื่อเพิ่มความตระหนักรู้เชิงพื้นที่ - ตีความ semantic segmentation เพื่อแยกแยะพื้นผิวที่ขับขี่ได้ออกจากสิ่งกีดขวาง หลักสูตรเริ่มต้นด้วยคำจำกัดความพื้นฐานของแสงและเรขาคณิตของกล้อง ก่อนที่จะเข้าสู่ตรรกะเบื้องหลังอัลกอริทึมการจดจำและการติดตามที่ซับซ้อน คุณจะได้อ่านคำอธิบายโดยละเอียดและวิเคราะห์ส่วนย่อยของโค้ด (code snippets) ที่แสดงให้เห็นว่าหลักการเหล่านี้ถูกนำไปใช้ในเทคโนโลยียานยนต์สมัยใหม่อย่างไร หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่สนใจในด้าน robotics, AI, หรือวิศวกรรมยานยนต์ ไม่จำเป็นต้องมีประสบการณ์ด้าน computer vision มาก่อนเพื่อเริ่มต้น เริ่มต้นการเดินทางของคุณสู่เทคโนโลยีเบื้องหลังการนำทางอัตโนมัติได้แล้ววันนี้