基于可靠性和安全的考虑，多传感器融合成为自动驾驶感知方案的主流。
本课程介绍自动驾驶汽车主要传感器及其感知算法，并重点学习多传感器数据融合基本理论、自动驾驶常用融合算法和融合方案、最新多传感器数据融合技术。通过本课程的学习，能初步理解和掌握自动驾驶的感知系统和多传感器数据融合算法、最新多传感器数融合技术，提高开发工程师、管理人员和研究人员对自动驾驶原理的理解和研发能力。
授课对象
◆自动驾驶汽车相关研发工程师、系统工程师
◆汽车行业前瞻研究人员、分析师
◆汽车相关管理人员、投资人、相关政府和园区项目负责人
课程收益
◆熟悉多传感器数据融合定义、架构和处理流程
◆学习多传感器数据融合的最新滤波算法
◆学习数据融合最新数据关联和航迹关联算法
◆学习自动驾驶数据融合实际应用当中的最新技术和最新算法及趋势
◆学习国外Tier1厂商的经典数据融合技术和方案
课程内容（2天）
| 时间 |
内容 |
11月22日
上午 |
1、课程介绍
2、数据融合定义
3、自动驾驶多传感器数据融合算法与结构
3.1 数据融合的层级
3.2 数据融合不同层级介绍
3.3 数据融合处理过程
3.4 数据融合的结构
4、传感器数据预处理技术
4.1 坐标变换
4.2 野值剔除技术
4.3 数据压缩技术
4.4 数据聚类技术 |
11月22日
下午 |
5、贝叶斯推理
5.1 贝叶斯推理
5.2 贝叶斯推理和景帝啊概率推理的比较
6、状态估计与线性滤波方法
6.1 参数估计
6.2 卡尔曼滤波
6.3 a-β与α-β-γ滤波
6.4 其它线性滤波技术
6.5 卡尔曼滤波与其它线性滤波方法性能比较
7、非线性滤波方法
7.1 扩展卡尔曼滤波
7.2 不敏卡尔曼滤波
7.3 粒子滤波
7.4 不同非线性滤波方法的比较
8、自动驾驶机动目标跟踪方法
8.1 具有机动检测的跟踪算法
8.2 自适应跟踪算法
8.3 机动跟踪算法性能比较
9、自动驾驶中基于约束条件的滤波方法
9.1 等式约束下的滤波方法
8.2 不等式约束下的滤波方法
10、自动驾驶中多传感器数据无序量测滤波方法
10.1 单步无序量测的滤波方法
10.2 多步无序量测的滤波方法 |
11月23日
上午 |
11、多目标跟踪航迹起始
11.1 航迹起始波门形状和尺寸
11.2 不同航迹起始算法
11.3 航迹起始算法比较与分析
11.4 航迹起始中有关问题讨论
12、数据关联算法
12.1 最近邻数据关联算法
12.2 概率数据互联算法
12.3 联合概率数据互联算法
12.4 多假设法
13、航迹关联方法
13.1 最近邻航迹关联算法
13.2 序贯航迹关联算法
13.3 0-1整数规划航迹关联算法 |
11月24日
下午 |
14、多目标终结理论与航迹管理
14.1 多目标终结理论
14.2 航迹管理
15、ADAS和自动驾驶数据融合方案和架构
15.1 航迹融合方案和架构
15.2 数据级融合方案和架构
16、PHD多传感器数据融合方法介绍 |
讲师简介
李博士
毕业于上海交通大学，获博士学位，某全球一流Tier1公司自动驾驶高级技术专家。先后在国际知名汽车技术公司和国内知名整车厂担任智能驾驶专家和架构师，负责ADAS系统开发和L3级别高速公路自动驾驶开发工作，在环境感知、多传感器数据融合和智能驾驶功能开发领域近十余年的实际工程经验。
开课信息
开课日期：2019年11月22日 – 11月23日
上课时间：9:00AM– 16:30PM（午餐1小时）
主办单位：中国汽车产业培训基地
培训规模：30 – 40人
提交报名信息，请扫描如下二维码或打开链接
https://www.jsform.com/web/formview/59d19efbbb7c7c467e0cb08c
如需咨询更多详情，欢迎致电：021-50325218
注意事项
- 为确保您上课的权益，报名后，若未收到任何回复，敬请来电咨询确认。
- 为尊重讲师的知识产权，仅提供纸质讲义一份。
- 本课程因人数或其他因素造成课程取消，主办方将无息办理退费,敬请见谅！
