计算机视觉
图像处理

百度无人驾驶入门课程,记录八

百度无人驾驶入门课程,记录八

无人驾驶工程师,一起塑造无人驾驶未来,从这里开始!

http://5b0988e595225.cdn.sohucs.com/images/20180705/015853865b7b4d93bb96f1ffee4d25d5.jpeg

课程记录

第八课:课程综述

完成课程后,你可以在此收获更多关于无人驾驶的学习建议,以开启你的无人驾驶工程师职业生涯。

欣赏一下学员完成的一些项目,包括查找车道线、交通标志分类器、行为克隆等。

以下是他们完成的一些项目示例:

查找车道线,学习使用图像、颜色空间、阈值和渐变,以便在道路上查找车道线。

交通标志分类器项目中,学员训练卷积神经网络对交通标志进行分类。为此,他们使用德国交通标志识别基准数据集。这位学员不仅要训练自己的网络,对符号进行分类,还要将其定位在图像中,并将他的分类器应用到视频中。

行为克隆中,学员通过在模拟器中手动驾驶汽车在轨道上记录训练数据。然后使用摄像机,转向并调节数据,根据 NVIDIA 著名的研究论文,为驾驶车辆训练一个端到端的神经网络。

通过将先进的计算机视觉技术(如滑动窗口跟踪)应用在仪表摄像机视频,学员能够在各种极具挑战性的环境下,跟踪道路上的车道线。

学员使用机器学习技术和特征提取来识别和跟踪高速公路上的车辆。这被称为车辆检测和跟踪。

学员通过扩展卡尔曼滤波器,合并嘈杂的模拟雷达和激光雷达数据以追踪车辆。

学员通过无损卡尔曼滤波器合并噪声,高度非线性的模拟雷达和激光雷达数据以跟踪车辆。

在 C ++ 中开发粒子滤波器以概率地确定相对于稀疏地标地图的车辆位置。

学员建立并调整 PID 控制器,以便在测试轨道周围驾驶车辆,并遵循目标轨迹。

学员建立并优化 MPC,以便在测试轨道周围驾驶车辆,并遵循目标轨迹。

在这个项目中,学员根据有限状态机,构建公路驾驶路径规划器。规划器有三个组成部分:环境预测,机动选择和轨迹生成。

学员训练一个像素分明的分割网络,识别并着色道路像素以识别驾驶的空间。我们也可以把它称为语义分割,你可以在“感知”课程中学习到这个要点。

为挑战真正的无人驾驶车项目,学员组成团队,在 Udacity 测试赛道上驾驶一辆真正的无人车。该车需要通过交通灯并遵循航点轨迹。他们首先在模拟器中构建代码,然后部署到 Udacity 在加州的无人驾驶车上。

 

视频占后台空间,需要看,点击知乎链接:  https://zhuanlan.zhihu.com/p/45308138

转载注明来源:CV视觉网 » 百度无人驾驶入门课程,记录八

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 1超赞 0无聊 0扯淡 0不解 0路过

评论 抢沙发

评论前必须登录!