自动驾驶和SLAM仿真培训方案

一、项目介绍

项目名称:自动驾驶和SLAM

项目周期:48课时

项目收获:自动驾驶和SLAM流程

项目概述:

目前汽车最有吸引力又最危险的莫过于自动驾驶技术,谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许可证,而现在大多数乘用车辆都已经配备了自动驾驶的一系列功能。

自动驾驶是一项涉及到环境感知、逻辑推理和决策、运动控制等非常复杂的系统,真实环境开发和测试流程非常繁琐。

自动驾驶和slam仿真主要是以数字建模的方式将自动驾驶的应用场景进行数字化,建立尽可能接近真实世界的系统模型,从而将注意力集中在自动驾驶的流程和关键技术上,特开设此培训班。

项目成果:

项目亮点:

1.涵盖自动驾驶感知、规划和执行流程

2.仿真环境更稳定,适合测试自动驾驶流程

3.Ros机器人操作系统,自动驾驶的框架

4.Opencv视觉还发, 可实现车道线识别、交通标志等识别

5.Slam定位导航,封闭环境规划移动

二、课程适合人群

1.对自动驾驶和slam感兴趣的高校教师。

2.自动化、电子与机械设计、网络/通信、物联网、人工智能、计算机、大数据等相关专业教师。

学习前提:有任意一门编程语言基础即可,会java 语言或者python 更佳。

三、预习资料

获取方式:请扫描下方二维码,回复【人工智能】即可获取完整预习资料

四、准备环境介绍

本次课程需要使用虚拟机运行 Ubuntu20.04 操作系统,对硬件配置要求较高。另外需要运行gazebo仿真,最低要求如下:

处理器:i5双核以上

电脑内存:16GB 以上

硬盘:至少200G可用空间,可携带移动硬盘

五、课程培训目标

1.熟悉自动驾驶流程

2.熟练使用opencv图像处理

3.熟悉机器视觉和目标侦测技术

4.熟悉slam定位导航流程

六、项目进度安排

1月6日

Opencv01

1.图像基本操作
2.阈值分割
3.集合变换
4.绘图功能
5.图像混合
6.平滑图像

1月7日

Opencv02

1.边缘检测
2.膨胀与腐蚀
3.轮廓与特征
4.直方图
5.模板匹配
6.霍夫变换

1月8日

Ros

1.环境搭建
2.Topic通信
3.Service通信

1月10日

Ros和gazebo

1.Param和launch
2.Gazebo仿真

1月11日

Slam

1.Gmapping建图
2.Amcl自主导航
3.自动探索建图

1月12日

综合实践

1.小车识别车道线行走
2.小车识别交通标志
3.小车识别红绿灯
4.小车slam建图导航