Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione alla Visione Artificiale nella Guida Autonoma
- Il ruolo della visione artificiale nei sistemi di veicoli autonomi
- Sfide e soluzioni nell’elaborazione visiva in tempo reale
- Concetti chiave: rilevamento degli oggetti, tracciamento e comprensione della scena
Fondamenti di Elaborazione delle Immagini per i Veicoli Autonomi
- Acquisizione delle immagini tramite telecamere e sensori
- Operazioni base: filtraggio, rilevamento dei contorni e trasformazioni di immagine
- Pipeline di pre-elaborazione adatte alle esigenze della visione in tempo reale
Rilevamento e Classificazione degli Oggetti
- Estrazione delle caratteristiche tramite SIFT, SURF e ORB
- Algoritmi classici di rilevamento: HOG e cascate Haar
- Approcci basati sul deep learning: CNN, YOLO e SSD
Rilevamento delle Corsie Stradali e dei Segni stradali
- Trasformata di Hough per il rilevamento di linee e curve
- Estrazione della regione d’interesse (ROI) utile al riconoscimento delle corsie
- Implementazione pratica del rilevamento delle corsie con OpenCV e TensorFlow
Segmentazione Semantica per la Comprensione della Scena
- Concetti di base della segmentazione semantica nella guida autonoma
- Tecniche del deep learning: FCN, U-Net e DeepLab
- Applicazioni pratiche per la segmentazione in tempo reale tramite reti neurali profonde
Rilevamento di Ostacoli e Pedoni
- Rilevamento degli oggetti in tempo reale con YOLO e Faster R-CNN
- Tracciamento multi-oggetto tramite SORT e DeepSORT
- Identificazione dei pedoni mediante tecniche HOG e modelli di deep learning
Fusione dei Sensori per una Percezione Ottimizzata
- Integrazione dei dati visivi con informazioni provenienti da LiDAR e RADAR
- Filtri di Kalman e filtri particellari per l’integrazione coerente dei dati
- Miglioramento dell’accuratezza della percezione attraverso tecniche di fusione sensoriale
Valutazione e Test dei Sistemi Visivi
- Benchmarking dei modelli visivi utilizzando dataset automotive specifici
- Analisi delle prestazioni in tempo reale ed ottimizzazione dei sistemi
- Progettazione di un flusso operativo visivo per la simulazione della guida autonoma
Studio di casi e Applicazioni Reali
- Analisi approfondita dei sistemi visivi già in uso nei veicoli autonomi
- Progetto pratico: creazione di un sistema per il rilevamento delle corsie e degli ostacoli
- Discussione sulle prospettive future della visione artificiale nell’automotive
Riassunto finale e Indicazioni sui Prossimi Passi
Requisiti
- Buona padronanza della programmazione in Python
- Conoscenza di base dei concetti fondamentali del machine learning
- Familiarità con le tecniche di elaborazione delle immagini
Pubblico destinatario
- Sviluppatori AI impegnati nello sviluppo di applicazioni per la guida autonoma
- Ingegneri della visione artificiale specializzati nella percezione in tempo reale
- Ricercatori e sviluppatori interessati alle tecnologie AI nel settore automotive
21 ore
Recensioni (1)
Pratiche e pratiche
Keeren Bala Krishnan - PENGUIN SOLUTIONS (SMART MODULAR)
Corso - Computer Vision with Python
Traduzione automatica