移动机器人感知与定位技术
- 第0章 语义SLAM在无人系统中的应用
- 0-1 SLAM的挑战
- 0-2 深度学习与SLAM的结合研究概述
- 0-3 SFM在无人系统中的应用
- 0-4 结合深度学习的闭环检测
- 0-5 答疑
- 第1章 基础知识
- 1-1 几何基础
- 1-2 摄像机几何模型
- 1-3 刚体变换
- 1-4 李群李代数
- 第2章 深度学习在无人感知系统中的应用
- 2-1 深度学习可以用来做什么-示例
- 2-2 深度学习在感知系统中的组成模块
- 2-3 检测与跟踪的基本原理
- 2-4 目标检测与跟踪发展历程以及state-of-art主流框架介绍
- 2-5 场景分割任务及应用
- 2-6 问答
- 第3章 闭环检测与基于深度学习的闭环检测
- 3-1 传统模型
- 3-2 基于深度学习的闭环检测
- 第4章 SLAM的后端优化
- 4-1 SLAM的一般过程
- 4-2 滤波算法
- 4-3 BA与图优化
- 4-4 位姿图
- 第6章 移动机器人中的地图架构
- 6-1 常用地图架构
- 6-2 2D栅格地图
- 6-3 2.5D地图
- 6-4 3D地图
- 第7章 多目标跟踪报告
- 7-1 多目标跟踪报告
- 第8章 深度学习与SLAM的结合研究现状
- 8-1 基于深度学习的姿态估计
- 8-2 语义SLAM
- 第9章 实践课:Faster-RCNN和YOLOv3网络
- 9-1 什么是目标检测?
- 9-2 目标检测基本思路和特征提取
- 9-3 One-Stage算法举例:YOLOv3
讲师
- 讲师简介
- 美国卡耐基梅隆大学博士后,博士毕业于中国科学院沈阳自动化研究所, 具有多年无人驾驶感知系统开发经验,现就职于国内某大厂。曾获得ACM亚洲区域赛银牌。在TIP等期刊和ICRA、IROS、ACC等国际会议上发表多篇论文。
- 课程须知
- 1. 有几何代数基础;
2. 了解无人系统建图与定位的概念;
3. 具备编程基础Python/Pytorch.
- 课程目标
- 1. 了解无人感知系统的原理与框架;
2. 学习SLAM算法的代数基础和基本框架;
3. 了解激光和视觉SLAM算法的异同和应用;
4. 了解SLAM算法和深度学习结合的新研究方向和应用。