Udemy – Advanced Kalman Filtering and Sensor Fusion 2021-7

در تاریخ: 1402/09/21 7:57:16

توضیحات

Advanced Kalman Filtering and Sensor Fusion، دوره آموزش فیلتر کالمن پیشرفته و فیوژن سنسور توسط آکادمی یودمی منتشر شده است. فیلتر کالمن یکی از بزرگ ترین اکتشافات در تاریخ نظریه تخمین و ترکیب داده ها و شاید یکی از بزرگ ترین اکتشافات مهندسی در قرن بیستم باشد. این کار بشر را قادر به انجام و ساخت بسیاری از کارهایی کرده است که در غیر این صورت ممکن نبودند. فیلتر کالمن در کنترل سیستم های دینامیکی پیچیده مانند خودروها، هواپیماها، کشتی ها و فضاپیماها کاربرد مستقیم دارد. این مفاهیم به طور گسترده در مهندسی و تولید مورد استفاده قرار می گیرند اما در بسیاری از حوزه های دیگر مانند شیمی، زیست شناسی، امور مالی، اقتصاد و غیره نیز مورد استفاده قرار می گیرند.

شما این نظریه را از پایه یاد خواهید گرفت، بنابراین می توانید کاملا درک کنید که چگونه کار می کند و چه پیامدهایی بر نتیجه نهایی دارد. شما همچنین اجرای عملی تکنیک ها را یاد می گیرید بنابراین می دانید که چگونه تئوری را عملی کنید. در این دوره شما با یک شبیه سازی ++C کار خواهید کرد که شما را به پیاده سازی روش های مختلف فیلترینگ کالمن برای خودروهای خودران هدایت می کند. در پایان این دوره، پروژه ایی قرار دارد که فیلتر کالمن بدون اثر را پیاده سازی کرده و آن را به گونه ای اجرا کند که در یک خودروی خودران واقعی یا خودروی مستقل مورد استفاده قرار گیرد.

آنچه خواهید آموخت

چگونه از فیلتر کالمن خطی برای حل مسائل تخمین بهینه خطی استفاده کنیم
چگونه از فیلتر کالمن گسترش یافته برای حل مسائل تخمین غیر خطی استفاده کنیم
چگونه از فیلتر کالمن بی‌اثر برای حل مسائل تخمین غیر خطی استفاده کنیم
چگونه در اندازه گیری های چندین سنسور که همگی با نرخ بروزرسانی متفاوت اجرا می شوند، ترکیب کنیم
چگونه فیلتر کالمن را برای بهترین عملکرد تنظیم کنیم
چگونه فیلتر کالمن را به درستی راه اندازی کنیم
چگونه خطاهای حسگر را درون فیلتر کالمن مدل کنیم
چگونه از تشخیص خطا برای حذف اندازه گیری های بد سنسور استفاده کنیم
نحوه پیاده سازی واریانت های بالای 3 فیلتر کالمن در ++C
چگونه LKF را در ++C برای یک مساله ردیابی دو بعدی پیاده سازی کنیم
چگونه EKF و UKF را در ++C برای مساله اتومبیل خودران مستقل پیاده سازی کنیم

این دوره برای چه کسانی مناسب است

دانشجویان دانشگاه یا مستقل
مهندسان رباتیک یا ماشین های خودران
مهندسان و دانشمندان شاغل
متخصصان مهندسی که می خواهند نظریه ریاضی و مهارت های مربوط به فیلتر کالمن و فیوژن سنسور را مرور کنند
توسعه دهندگان نرم افزاری که می خواهند مفاهیم پایه ای پشت ادغام داده ها را درک کنند تا به پیاده سازی یا پشتیبانی از توسعه کد ادغام داده ها کمک کنند.
هر کسی که در تئوری ریاضیات مهارت دارد و می خواهد یاد بگیرد که چگونه تئوری را در کد پیاده سازی کند.