Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction aux capteurs des véhicules autonomes
- Vue d'ensemble de l'architecture des véhicules autonomes.
- Le rôle des capteurs dans la technologie de conduite autonome.
- Défis et limites de la perception basée sur les capteurs.
Capteurs LiDAR dans les véhicules autonomes
- Fonctionnement du LiDAR : principes et applications.
- Traitement des données LiDAR et cartographie 3D.
- Points forts et limites du LiDAR dans les systèmes de conduite autonome.
Radar et capteurs ultrasoniques
- Radar pour la détection d'objets et l'évitement des collisions.
- Interprétation des signaux radar et des effets Doppler.
- Capteurs ultrasoniques pour la navigation à faible vitesse.
Systèmes de caméra et de vision par ordinateur
- Types de caméras utilisés dans les véhicules autonomes.
- Techniques de traitement d'image pour la reconnaissance d'objets.
- Applications de l'apprentissage profond dans la perception visuelle.
Fusion de capteurs et intégration des données
- Introduction aux techniques de fusion de capteurs.
- Combinaison des données LiDAR, radar et caméra pour une meilleure précision.
- Filtrage de Kalman et approches par apprentissage profond pour la fusion de capteurs.
Traitement en temps réel et prise de décision autonome
- Latence et contraintes temps réel dans la perception autonome.
- Traitement des données des capteurs pour la navigation et l'évitement d'obstacles.
- Études de cas : Tesla, Waymo et autres leaders de l'industrie.
Tests et étalonnage des capteurs de véhicules autonomes
- Méthodes d'étalonnage des capteurs et de correction des erreurs.
- Tests de performance des capteurs dans différents environnements.
- Optimisation de l'emplacement des capteurs pour une meilleure perception du véhicule.
Tendances futures des capteurs pour véhicules autonomes
- Nouvelles technologies de capteurs dans les voitures autonomes.
- Progrès de l'IA dans l'analyse des données des capteurs.
- L'avenir des systèmes de perception entièrement autonomes.
Résumé et prochaines étapes
Pré requis
- Une compréhension des systèmes automobiles et de l'électronique.
- De l'expérience avec des langages de programmation tels que Python ou MATLAB.
- Des connaissances de base en systèmes de contrôle et en traitement du signal.
Public cible
- Ingénieurs travaillant sur le développement de véhicules autonomes.
- Professionnels de l'automobile intéressés par l'intégration des capteurs.
- Spécialistes de l'IoT explorant les applications des capteurs dans la mobilité intelligente.
21 Heures