Visuelle Wahrnehmung für selbstfahrende Autos

Beschreibung

Willkommen bei Visual Perception for Self-Driving Cars, dem dritten Kurs der Spezialisierung auf selbstfahrende Autos der University of Toronto.

Dieser Kurs führt Sie in die wichtigsten Wahrnehmungsaufgaben beim autonomen Fahren sowie bei der statischen und dynamischen Objekterkennung ein und untersucht gängige Computer-Vision-Methoden für die Roboterwahrnehmung. Am Ende dieses Kurses sind Sie in der Lage, mit dem Lochkameramodell zu arbeiten, eine intrinsische und extrinsische Kamerakalibrierung durchzuführen, Bildmerkmale zu erkennen, zu beschreiben und abzugleichen sowie Ihre eigenen Faltungs-Neuronalen Netze zu entwerfen. Sie wenden diese Methoden auf visuelle Odometrie, Objekterkennung und -verfolgung sowie semantische Segmentierung zur Schätzung befahrbarer Oberflächen an. Diese Techniken stellen die Hauptbausteine des Wahrnehmungssystems für selbstfahrende Autos dar.

Für das Abschlussprojekt dieses Kurses entwickeln Sie Algorithmen, die Begrenzungsrahmen für Objekte in der Szene identifizieren und die Grenzen der befahrbaren Oberfläche definieren. Sie arbeiten mit synthetischen und realen Bilddaten und bewerten Ihre Leistung anhand eines realistischen Datensatzes.

Dies ist ein Kurs für Fortgeschrittene, der sich an Lernende mit Kenntnissen in Computer Vision und Deep Learning richtet. Um in diesem Kurs erfolgreich zu sein, sollten Sie über Programmiererfahrung in Python 3.0 und Vertrautheit mit der linearen Algebra (Matrizen, Vektoren, Matrixmultiplikation, Rang, Eigenwerte sowie Vektoren und Umkehrungen) verfügen.