Bienvenido a Estimación y localización de estado para automóviles autónomos, el segundo curso de la especialización en automóviles autónomos de la Universidad de Toronto.

Le recomendamos tomar el primer curso en la Especialización antes de tomar este curso.

Este curso le presentará los diferentes sensores y cómo podemos usarlos para la estimación y localización del estado en un automóvil autónomo.

Al final de este curso, podrá: - Comprender los métodos clave para la estimación de parámetros y estados utilizados para la conducción autónoma, como el método de mínimos cuadrados - Desarrollar un modelo para sensores típicos de localización de vehículos, incluyendo GPS e IMU - Aplicar filtros Kalman extendidos y sin perfume a un problema de estimación del estado del vehículo - Comprender la coincidencia de escaneo LIDAR y el algoritmo de punto más cercano iterativo - Aplicar estas herramientas para fusionar múltiples flujos de sensores en una sola estimación de estado para un automóvil autónomo Para el proyecto final de este curso, implementará el filtro de Kalman extendido de estado de error (ES-EKF) para localizar un vehículo usando datos del simulador CARLA.

Este es un curso avanzado, destinado a estudiantes con experiencia en ingeniería mecánica, informática e ingeniería eléctrica o robótica.

Para tener éxito en este curso, debe tener experiencia en programación en Python 3.

0, estar familiarizado con el álgebra lineal (matrices, vectores, multiplicación de matrices, rango, valores propios y vectores e inversas), estadística (distribuciones de probabilidad gaussianas),