460-4133/01 – Autonomní jízda (AJ)
| Garantující katedra | Katedra informatiky | Kredity | 5 |
| Garant předmětu | Ing. Jan Gaura, Ph.D. | Garant verze předmětu | Ing. Jan Gaura, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2019/2020 | Rok zrušení | 2022/2023 |
| Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Předmět posluchače seznamuje s technikami využívanými v autonomním řízení vozidel. Absolvováním předmětu získají posluchači přehled o moderních metodách mapování prostředí, navigaci a rozhodování v samo-řiditelných vozidlech.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Projekt
Anotace
V předmětu budou probírána zejména následující témata: Metody a pojmy z oblasti autonomního řízení vozidel s využitím různých senzorů. To zahrnuje seznámení se s LIDARovými senzory, kamerovými systémy, jejich použití v analýze okolí vozidla, s detekcí zájmových objektů a předpovědi chování okolí a mapování prostoru. Získané informace o okolí jsou pak využity pro plánování dalších kroků autonomního vozidla.
Povinná literatura:
Doporučená literatura:
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Odevzdání průběžných úloh vypracovávaných na cvičeních. Odevzdání projektu. Absolvání zkoušky.
E-learning
Další požadavky na studenta
Další požadavky na studenta nejsou kladeny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky:
1. Automobilová navigace pomocí GPS, RDS-TMC.
2. Úvod do problematiky autonomní jízdy, definice základních pojmů.
3. Senzory pro autonomní jízdu, kamery, LIDAR, ultrazvuk.
4. Fůze senzorových dat.
5. Prostředky strojového učení v prostředí autonomního řízení.
6. Detekce objektů kolem vozidla.
7. Mapování prostoru kolem vozidla.
8. Metody orientace ve známém prostředí - částicový filtr.
9. Metody orientace v neznámém prostředí - SLAM, Markovská lokalizace.
10. Modely pohybu ostatních objektů kolem vozidel.
11. Plánování trasy, algoritmy nejkratší cesty.
12. Prohledávání prostoru možných tras.
13. Predikce trasy ostatních objektů.
14. Behaviorální plánování, generování trajektorií.
Cvičení:
1. Práce s geolokčním systémem GPS a radiovým šířením informací o dopravě pomocí RDS-TMC.
2. Práce s kamerami, nastavování parametrů a ukládání dat.
3. Práce s LIDARovým snímačem a ultrazvukovými čidly.
4. Zpracování senzorových dat a jejich fůze do následnou analýzu.
5. Seznámení se se softwarovým rámcem strojového učení.
6. Detekce zájmových objektů kolem vozidla s využitím strojového učení.
7. Vytváření mapových podkladů na základě senzorických dat.
8. Využití částicového filtru pro lokalizaci vozidla ve známém prostředí.
9. Techniky SLAM pro lokalizaci vozidla v neznámém prostředí.
10. Modely pohybu ostatních objektů kolem vozidel.
11. Implementace algoritmů pro vyhledání nejkratší cesty.
12. Způsoby prohledávání prostoru možných tras a jejich vizualizace.
13. Metody predikce trasy ostatních objektů a jejich vizualizace.
14. Behaviorální plánování, generování trajektorií.
Projekt:
V projektu budou posluchači implementovat vybraný problém z oblasti autonomního řízení vozidel s využitím dostupných dat.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky