课程概述
本课程从无人系统中的感知任务出发,着重介绍视觉以及激光SLAM的基本原理、框架和主流算法,并比较了二者在理论及实际任务中的异同。
近年来,研究者致力开发基于深度学习的感知算法,并尝试将其运用到感知与定位任务中,促进两者相互的性能提升。本课程也将介绍其中的前沿思路,帮助大家更好地理解和掌握无人系统中导航与定位的技巧。
课程着眼于实践,重点侧重于将理论知识用于开发实战,对一线开发人员和相关技术领域研究人员有着非常重要的参考价值。
Judy
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,现负责无人车系统的感知和定位研究。曾于某顶级无人驾驶公司实习任职,具有六年无人驾驶系统开发经验。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。
为什么要开这门课程?
机器人技术是感知、决策以及执行的闭环系统技术。机器人技术与通用自动化技术最大的不同在于其强调“自主决策”,决策是算法的集合,我们耳熟能详的“深度学习”算法,只是众多决策算法之一。决策是以感知为前提的,没有感知也就没有决策,所以在研究人工智能的过程中,必须首先研究感知、研究大数据的抽象与提取,然后是决策算法。
感知系统也是移动机器人中的重中之重,无论是传统的机器人公司还是新兴的AI独角兽对感知方向的人才缺口巨大。近年来深度学习大热,在其提升分类算法性能的同时,我们希望看到其在机器人模块中的落地实用性。本课程将从实际出发,详述SLAM技术在定位感知中的作用,为移动机器人添上眼睛。
你可以学到哪些技能?
♦ 了解无人感知系统的原理与框架
♦ 学习SLAM算法的代数基础和基本框架
♦ 了解激光和视觉SLAM算法的异同和应用
♦ 了解SLAM算法和深度学习结合的新研究方向和应用
适合人群
1. 从事机器人感知相关的研究或工作的技术人员
2. 希望从事移动机器人/无人驾驶方向的同学
3. 了解SLAM技术前沿发展
知识储备
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
课程大纲
基础知识 (2h)
1. 多视图几何代数
2. 单视图几何代数
3. 摄像机模型
4. 激光传感器
5. 其他辅助设备
1里程计算法 (1.5h)
1. 特征点法
2. 对极几何
3. 视觉里程计、激光里程计的应用分析
2SLAM (3h)
1. SLAM算法发展历程
2. SLAM框架梳理
3. SLAM前端框架(特征提取和匹配、局部地图)
4. SLAM后端框架(BA与图优化、位姿图及优化)
5. 闭环检测
6. 视觉SLAM、激光SLAM异同分析
3深度学习和基于深度学习的闭环检测 (2.5h)
1. 深度学习的简单介绍
2. 回路检测的特殊性和主要难点
3. 几种回路检测方法的介绍
4SLAM中的地图系统 (1h)
1. SLAM中常见地图系统介绍
2. 2D栅格地图/2.5D高程地图/3D体素地图
3. 语义地图与深度学习的结合应用
5深度学习和SLAM (2.5h)
1. 基于深度学习的SLAM发展现状
2. 基于深度学习的里程计
3. 基于深度学习的姿态估计
6深度学习在无人感知系统中的应用 (1.5h)
1. 目标检测与跟踪的基本原理
2. 检测与跟踪发展历程与state-of-art主流框架介绍
3. 场景分割及其应用
7实战环节
实战1: faster-rcnn手写网络结构
实战2: SLAM位姿图优化
实战3: 语义SLAM在无人驾驶中的应用分析
8课程答疑
请问一下,导师可以进行定期答疑吗?
所有报名此课程的人,助教会把大家拉到讲师的微信群中。每个月固定一个时间,讲师会进行集中答疑,大家可以在群里进一步沟通探讨。
缴纳费用后可以退款吗?
由于我们是小班授课,每期课程人数有限制并且都是提前报名付费,缴费之后就意味着课程名额已被占据不能再安排其他同学来学习了,所以请在大家在报名付费的时候合理安排好时间,一旦缴费,课程费用概不退回。
缴费可以开发票吗?
可以开增值税普通发票。