Prenez contact avec nous

Plan du cours

Introduction aux capteurs pour véhicules autonomes

  • Aperçu de l'architecture des véhicules autonomes.
  • Le rôle des capteurs dans la technologie des véhicules autonomes.
  • Défis et limites de la perception basée sur les capteurs.

Capteurs LiDAR dans les véhicules autonomes

  • Comment fonctionne le LiDAR : principes et applications.
  • Traitement des données LiDAR et cartographie 3D.
  • Points forts et limites du LiDAR dans les systèmes autonomes.

Capteurs radar et ultrasoniques

  • Radar pour la détection d'objets et l'évitement des collisions.
  • Interprétation des signaux radar et des effets Doppler.
  • Capteurs ultrasoniques pour la navigation à basse vitesse.

Systèmes de caméras et de vision par ordinateur

  • Types de caméras utilisés dans les véhicules autonomes.
  • Techniques de traitement d'images pour la reconnaissance d'objets.
  • Applications de l'apprentissage profond dans la perception visuelle.

Fusion de capteurs et intégration de données

  • Introduction aux techniques de fusion de capteurs.
  • Combinaison des données LiDAR, radar et caméra pour une meilleure précision.
  • Filtrage de Kalman et approches par apprentissage profond pour la fusion de capteurs.

Traitement en temps réel et prise de décision autonome

  • Latence et contraintes en temps réel dans la perception autonome.
  • Traitement des données des capteurs pour la navigation et l'évitement d'obstacles.
  • Études de cas : Tesla, Waymo et autres leaders de l'industrie.

Tests et calibrage des capteurs de véhicules autonomes

  • Méthodes de calibrage des capteurs et de correction des erreurs.
  • Tests de performance des capteurs dans différents environnements.
  • Optimisation de l'emplacement des capteurs pour une meilleure perception du véhicule.

Tendances futures dans la détection des véhicules autonomes

  • Technologies de capteurs émergentes dans les véhicules autonomes.
  • Avancées basées sur l'IA dans l'analyse des données des capteurs.
  • L'avenir des systèmes de perception des véhicules entièrement autonomes.

Résumé et prochaines étapes

Pré requis

  • Une compréhension des systèmes automobiles et de l'électronique.
  • De l'expérience avec des langages de programmation tels que Python ou MATLAB.
  • Des connaissances de base en systèmes de contrôle et en traitement du signal.

Audience

  • Ingénieurs travaillant sur le développement de véhicules autonomes.
  • Professionnels de l'automobile intéressés par l'intégration des capteurs.
  • Spécialistes de l'IoT explorant les applications des capteurs dans la mobilité intelligente.
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires