MATLAB および Simulink トレーニング

コースの詳細

この 2日間コースでは、自動運転認識アルゴリズムを開発および検証する方法について学びます。 例題と演習では、MATLAB® と Automated Driving Toolbox™ の最適な機能の使い方を説明します。

  • グラウンドトゥルースのラベル付け
  • センサーデータの可視化
  • 車線と車両の検出
  • LIDAR 点群の処理
  • 検出結果の融合と物体の追跡
  • 拡張オブジェクトの追跡
  • シナリオの生成とセンサーのモデル化

1 日目


グラウンドトゥルースのラベル付け

目的: ビデオまたはイメージシーケンス内のグランドトゥルースデータにインタラクティブにラベル付けを行う方法や、 検出/トラッキング・アルゴリズムによるラベル付けの自動化について学びます。

  • グラウンドトゥルースラベラーアプリの概要
  • 関心領域(ROI) とシーンのラベル付け
  • ラベル付けの自動化
  • グラウンドトゥルース結果の表示/エクスポート

センサー データの可視化

目的: カメラフレーム/レーダー/ライダー検出の視覚化や、 イメージ座標の車両座標への変換、車両座標の車両座標への変換について学びます。

  • 鳥瞰図プロットの作成
  • センサー計測範囲のプロット
  • 検出物と車線の可視化
  • 車両座標からイメージ座標への変換
  • 検出物と車線境界線によるビデオの注釈付け

車線と車両の検出

目的: 放物線車線境界線モデルや、事前訓練された物体検出器を使用して車両を検出する方法について学びます。

  • 鳥瞰図ビューの変換の実行
  • 車線境界線の検出
  • 車線モデルの計算
  • グラウンドトゥルースを使用した車線検出の検証
  • 事前学習済みのオブジェクト検出器を使用した車両の検出

LIDAR 点群の処理

目的: 3次元点群として保存された LIDAR データを使用して、データのインポート、可視化 および、 点群をクラスターにセグメント化します。次に点群のレジストレーションを行い、蓄積点群マップを整列および構築します。

  • 点群のインポートと可視化
  • 点群の前処理
  • LIDAR データからの物体のセグメント化
  • LIDAR データからのマップの作成

2 日目


検出結果の融合と物体の追跡

目的: カメラやレーダーなどの複数のセンサー情報を融合する Multi-Object Tracker を作成する方法について学びます

  • センサー検出結果の前処理
  • 物理的運動のモデル化
  • Multi-Object Tracker の使用

拡張オブジェクトの追跡

目的: 確率仮説密度トラッカーを作成して拡張オブジェクトを追跡し, その空間範囲を推定します。

  • センサー構成の定義
  • 確率仮説密度トラッカーの使用
  • オブジェクトの空間範囲の推定

ドライビングシナリオの生成とセンサーのモデル化

目的: 運転シナリオと合成レーダー/カメラセンサーの検出をインタラクティブに作成し、自動運転認識アルゴリズムをテストする方法について学びます。

  • => 運転シナリオデザイナーアプリの概要
  • 道路、アクター、センサーを含むシナリオの作成
  • シナリオのシミュレーションと可視化
  • 検出の生成とシナリオのエクスポート
  • シナリオを使用したアルゴリズムのテスト

レベル: 中級

必要条件:

期間: 2 日間

言語: English, 한국어

スケジュールを確認して登録する