Contattataci

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

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative