آموزش تخمین وضعیت و مکان‌یابی برای خودروهای خودران - آخرین آپدیت

سرفصل ها و درس ها

Module 0: خوش آمدید به دوره دوم: تخمین وضعیت و مکان‌یابی برای خودروهای خودران Module 0: Welcome to Course 2: State Estimation and Localization for Self-Driving Cars

• به تخصص خودروهای خودران خوش آمدید! Welcome to the Self-Driving Cars Specialization!

• خوش آمدید به دوره Welcome to the Course

• آشنایی با مدرس، جاناتان کلی Meet the Instructor, Jonathan Kelly

• آشنایی با مدرس، استیون واسلندر Meet the Instructor, Steven Waslander

• آشنایی با دایانا، مهندس فریم‌ور Meet Diana, Firmware Engineer

• آشنایی با وینستون، مهندس نرم‌افزار Meet Winston, Software Engineer

• آشنایی با اندی، معمار سیستم‌های خودران Meet Andy, Autonomous Systems Architect

• آشنایی با پل نیومن، بنیان‌گذار Oxbotica و استاد دانشگاه آکسفورد Meet Paul Newman, Founder, Oxbotica & Professor at University of Oxford

• اهمیت تخمین وضعیت The Importance of State Estimation

Module 1: حداقل مربعات Module 1: Least Squares

• درس ۱ (بخش ۱): معیار خطای مجذور و روش حداقل مربعات Lesson 1 (Part 1): Squared Error Criterion and the Method of Least Squares

• درس ۱ (بخش ۲): معیار خطای مجذور و روش حداقل مربعات Lesson 1 (Part 2): Squared Error Criterion and the Method of Least Squares

• درس ۲: حداقل مربعات بازگشتی Lesson 2: Recursive Least Squares

• درس ۳: حداقل مربعات و روش حداکثر درست‌نمایی Lesson 3: Least Squares and the Method of Maximum Likelihood

Module 2: تخمین وضعیت: فیلترهای کالمن خطی و غیرخطی Module 2: State Estimation - Linear and Nonlinear Kalman Filters

• درس ۱: فیلتر کالمن (خطی) Lesson 1: The (Linear) Kalman Filter

• درس ۲: فیلتر کالمن و بایاس‌های BLUE Lesson 2: Kalman Filter and The Bias BLUEs

• درس ۳: ورود به دنیای غیرخطی: فیلتر کالمن گسترش‌یافته Lesson 3: Going Nonlinear - The Extended Kalman Filter

• درس ۴: یک EKF بهبود یافته: فیلتر کالمن گسترش‌یافته حالت خطا Lesson 4: An Improved EKF - The Error State Extended Kalman Filter

• درس ۵: محدودیت‌های EKF Lesson 5: Limitations of the EKF

• درس ۶: جایگزینی برای EKF: فیلتر کالمن بی‌بوی (Unscented) Lesson 6: An Alternative to the EKF - The Unscented Kalman Filter

Module 3: سنجش GNSS/INS برای تخمین پوزیشن Module 3: GNSS/INS Sensing for Pose Estimation

• درس ۱: هندسه سه بعدی و چارچوب‌های مرجع Lesson 1: 3D Geometry and Reference Frames

• درس ۲: واحد اندازه‌گیری اینرسی (IMU) Lesson 2: The Inertial Measurement Unit (IMU)

• درس ۳: سیستم‌های ماهواره‌ای ناوبری جهانی (GNSS) Lesson 3: The Global Navigation Satellite Systems (GNSS)

• چرا ترکیب حسگرها (Sensor Fusion)؟ Why Sensor Fusion?

Module 4: سنجش لیدار (LIDAR) Module 4: LIDAR Sensing

• درس ۱: حسگرهای تشخیص و فاصله با نور (LIDAR) Lesson 1: Light Detection and Ranging Sensors

• درس ۲: مدل‌های حسگر لیدار و ابر نقاط Lesson 2: LIDAR Sensor Models and Point Clouds

• درس ۳: تخمین پوزیشن از داده‌های لیدار Lesson 3: Pose Estimation from LIDAR Data

• بهینه‌سازی تخمین وضعیت Optimizing State Estimation

Module 5: جمع‌بندی: تخمین‌گر وضعیت یک خودروی خودران Module 5: Putting It together - An Autonomous Vehicle State Estimator

• درس ۱: تخمین وضعیت در عمل Lesson 1: State Estimation in Practice

• درس ۲: ترکیب چند حسگر برای تخمین وضعیت Lesson 2: Multisensor Fusion for State Estimation

• درس ۳: کالیبراسیون حسگر: یک ضرورت اجتناب‌ناپذیر Lesson 3: Sensor Calibration - A Necessary Evil

• درس ۴: از دست رفتن یک یا چند حسگر Lesson 4: Loss of One or More Sensors

• چالش‌های تخمین وضعیت The Challenges of State Estimation

• درس نهایی: بررسی اجمالی پروژه Final Lesson: Project Overview

• راه حل پروژه نهایی [قفل شده] Final Project Solution [LOCKED]

• تبریک برای اتمام دوره دوم! Congratulations on Completing Course 2!