Staat Schatting en Lokalisatie voor Autonome Voertuigen

Om veilig te kunnen navigeren, moet een autonoom voertuig tot op de centimeter nauwkeurig weten waar het zich in de wereld bevindt.Inzicht in hoe zelfrijdende auto's ruwe sensorgegevens verwerken om hun positie en oriëntatie in te schatten, is een fundamentele vaardigheid voor elke aspirant-robotica-ingenieur. In deze tekstgebaseerde cursus ga je van het begrijpen van basisfysische concepten naar het begrippen van de kernwiskunde en algoritmen die de moderne autonome voertuiglokalisatie aandrijven.Je zult bestuderen hoe voertuigen gegevens van GNSS, inertial measurement units (IMU's) en wielodometrie combineren om een robuust, real-time schattingsysteem te bouwen. Wat je leert: - Begrijp de fundamentele kinematica en coördinatenframes die worden gebruikt bij het modelleren van voertuigbewegingen. - Pas de schatting van de kleinste kwadraten en Kalman-filtering toe om lawaaierige sensormetingen te verwerken. - Implementeer sensorfusietechnieken die GNSS-, IMU- en odometrische gegevens combineren. - Verken moderne paradigma's voor staatsschatting, waaronder Extended Kalman Filters (EKF) en foutstatusformuleringen. - Analyseer robuuste schattingsmethoden en uitschietersverwerping om sensoranomalieën en signaaluitval te behandelen. De cursus begint met fundamentele concepten in kinematiek, waarschijnlijkheid en coördinatensystemen voordat u doorgaat naar recursieve toestandsschatting, Kalman-filtering en moderne multi-sensor fusiestrategieën. Deze cursus is bedoeld voor beginners die geïnteresseerd zijn in robotica en autonome systemen, waarbij alleen basislineaire algebra en algemene programmeerkennis vereist zijn.Ervaring met zelfrijdende hardware is niet vereist. Begin vandaag nog met het leren van de algoritmische kern van de autonome voertuiglokalisatie.