智能车辆理论与应用

这是一门面向研究生层次的智能车辆理论与应用慕课,由北京理工大学智能车辆团队倾情打造。团队在长期的科研积累,教材准备,教改项目研究、教学实践过程中,提出了“基于本研教学互动、线上线下混合的智能车辆技术人才培养方案”。本课程,是团队在已经开设的“无人驾驶车辆”慕课基础上,对成体系的智能车辆技术人才培养模式的又一次探索与实践。课程理论联系实际,用丰富的案例进行讲解,课程内容包括智能车辆环境感知技术、深度学习及其在智能车辆上的应用、智能车辆SLAM、智能车辆行为决策、智能车辆运动规划、运动控制、智能网联技术以及智能车辆测试与评价等方面的内容。

开设学校:北京理工大学;学科:理学、

智能车辆理论与应用课程:前往报名学习

智能车辆理论与应用视频慕课课程简介:

这是一门面向研究生层次的智能车辆理论与应用慕课,由北京理工大学智能车辆团队倾情打造。团队在长期的科研积累,教材准备,教改项目研究、教学实践过程中,提出了“基于本研教学互动、线上线下混合的智能车辆技术人才培养方案”。本课程,是团队在已经开设的“无人驾驶车辆”慕课基础上,对成体系的智能车辆技术人才培养模式的又一次探索与实践。课程理论联系实际,用丰富的案例进行讲解,课程内容包括智能车辆环境感知技术、深度学习及其在智能车辆上的应用、智能车辆SLAM、智能车辆行为决策、智能车辆运动规划、运动控制、智能网联技术以及智能车辆测试与评价等方面的内容。

前往报名学习

智能车辆理论与应用课程列表:

{{'上次学习:'+learn_list['bitP0861003987']['last_leaf_name']}}

第1章 绪论

-1-0 关于这门课

--1-0 关于这门课

-1-1 发展历程

--1-1 发展历程

-1-2 机遇与挑战

--1-2 机遇与挑战

-第1章 习题

--第1章 习题

第2章 环境感知

-2-1 基于激光雷达的障碍物检测

--2-1 基于激光雷达的障碍物检测

-2-2 以斜坡为例的基于ROS框架的可通行区域检测

--2-2-1 检测原理及ROS简介

--2-2-2 检测程序

--2-2-3 ROS操作演示

-2-3 基于AdaBoost的车辆检测

--2-3-1 基于AdaBoost的车辆检测

--2-3-2 操作案例

-2-4 基于机器学习与激光雷达的负障碍检测

--2-4-1 三种机器学习方法介绍及数据准备

--2-4-2 基于Python库scikit-learn的实现

-第2章 习题

--第2章 习题

第3章 深度学习及其在环境感知中的应用

-3-1 概述

--3-1 概述

-3-2 CNN分类模型及其应用

--3-2-1 经典分类网络

--3-2-2 分类网络在场景识别中的应用

-3-3 目标检测模型及其应用

--3-3-1 目标检测模型

--3-3-2 检测案例

-3-4 分割模型及其应用

--3-4 分割模型及其应用

-第3章 习题

--第3章 习题

第4章 SLAM

-4-1 概述

--4-1 概述

-4-2 视觉SLAM

--4-2-1 视觉SLAM关键技术

--4-2-2 视觉SLAM发展概况

--4-2-3 运行ORB-SLAM

-4-3 激光雷达SLAM

--4-3-1 激光雷达SLAM技术1

--4-3-2 激光雷达SLAM技术2

-第4章 习题

--第4章 习题

第5章 行为决策

-5-1 概述

--5-1-1 分类

--5-1-2 基于规则的超车行为决策

--5-1-3 基于规则的十字交叉口行为决策

-5-2 强化学习

--5-2-1 马尔可夫决策过程

--5-2-2 Q-迭代算法

--5-2-3 Q-学习算法

-5-3 强化学习应用

--5-3-1 编程工具和仿真环境介绍

--5-3-2 车距保持案例

--5-3-3 车道保持案例

-第5章 习题

--第5章 习题

第6章 运动规划

-6-0 引言

--6-0 引言

-6-1 静态环境下的运动规划

--6-1-1 内容介绍

--6-1-2 ROS操作演示

-6-2 动态环境下的运动规划

--6-2 动态环境下的运动规划

-第6章 习题

--第6章 习题

第7章 运动控制

-7-1 MPC基本理论

--7-1 MPC基本理论

-7-2 车辆运动学模型的建立

--7-2 车辆运动学模型的建立

-7-3 预测模型的建立

--7-3 预测模型的建立

-7-4 控制量的优化求解

--7-4 控制量的优化求解

-7-5 车辆横摆动力学建模及MPC控制

--7-5 车辆横摆动力学建模及MPC控制

-7-6 车辆动力学模型预测控制—仿真代码解释

--7-6 车辆动力学模型预测控制—仿真代码解释

-第7章 习题

--第7章 习题

第8章 智能网联技术

-8-1 概述

--8-1 概述

-8-2 基于网联技术的多车编队

--8-2 基于网联技术的多车编队

-8-3 基于V2X的遮挡环境下智能车辆避撞行人

--8-3 基于V2X的遮挡环境下智能车辆避撞行人

-第8章 习题

--第8章 习题

第9章 智能车辆测试与评价

-9-1 基于MATLAB的自动代客泊车案例

--9-1-1 环境模型

--9-1-2 路径规划

--9-1-3 路径平滑与运动控制

-9-2 ROS与VREP联合仿真测试案例

--9-2 ROS与VREP联合仿真测试案例

-9-3 智能车辆测试

--9-3-1 测试框架与测试内容

--9-3-2 测试环境

--9-3-3 测试方法

--9-3-4 测试手段

-9-4 智能车辆评价

--9-4-1 评测模型与等级划分

--9-4-2 评价指标与权重确定

--9-4-3 定量评价

--9-4-4 国内外评价体系

-第9章 习题

--第9章 习题

智能车辆理论与应用开设学校:北京理工大学

智能车辆理论与应用授课教师:

熊光明-副教授-北京理工大学-

熊光明,北京理工大学机械与车辆学院副教授,硕士生导师,工学博士。长期从事智能车辆科研/教学工作,发表SCI/EI论文60多篇,编著有智能车辆相关书籍5部,授权国家发明专利二十余项。2017年获得部级科技进步二等奖1项,获得兵器集团科技进步三等奖1项。获2014年度汽车工程学会优秀论文奖。2015年获得北京理工大学优秀硕士生指导教师称号。编著“无人驾驶汽车概论”获得兵工高校优秀教材一等奖。2017年获北京理工大学优秀教学成果一等奖。编著“无人驾驶车辆理论与设计”获得2019年兵工高校精品教材和北京理工精品教材。2020年获北京理工大学优秀教学成果二等奖。

龚建伟-教授-北京理工大学-

龚建伟,北京理工大学教授,汽车研究所所长。1992年本科毕业于国防科技大学,2002年北京理工大学获工学博士学位,2011-2012年麻省理工学院访问研究。自1997年开始在北京理工大学从事无人驾驶车辆理论与技术研究。智能驾驶领域负责重大基础研究项目、国家自然基金重点项目、车辆企业合作项目多项。2009年以来带队参加“中国智能车未来挑战赛”,获得第1名、第2名等多项奖励,2014、2016、2018带队参加陆军“跨越险阻”无人系统挑战赛,成绩优秀。著有《无人驾驶车辆模型预测控制》、《无人驾驶汽车概论》、《无人驾驶车辆理论与设计》、《智能车辆理论与应用》等多部著作。研究团队为无人车技术工业和信息化部重点实验室、地面无人平台国防科技创新团队。完成自动驾驶系统、低成本导航定位系统开展产业化应用,以及自动驾驶客车、通勤巴士专线运营、无人工程车辆、自动驾驶商用车辆等平台的产品化应用研发,完成矿用无人车及无人矿区、越野环境等场景测试应用。

吴绍斌-副教授-北京理工大学-

吴绍斌,1972年9月,男,北京理工大学机械与车辆学院副教授,硕士生导师,工学博士。长期从事智能车辆科研/教学工作,发表论文10多篇,编著有智能车辆、智能交通相关书籍3部,授权国家发明专利十余项。参与自然科学基金重点项目、国家重点研发计划等项目,获得校级科技进步特等奖1项。

吕超-讲师-北京理工大学-

吕超,北京理工大学智能车辆研究所讲师,分别于北京理工大学、英国利兹大学获得学士和博士学位,英国克兰菲尔德大学访问学者,CAA平行智能专业委员会委员,世界交通大会(WTC)专业委员会委员,IEEE Transactions on Vehicular Technology, IEEE Transactions on Intelligent Transportation Systems, IEEE/ASME Transactions on Mechatronics 等多个期刊审稿人。主要从事强化学习、迁移学习、驾驶行为建模、智能车辆决策系统与智能交通系统等领域的研究,主持国家自然基金青年项目和上汽基金会重点项目各一项,参与了包括欧盟COST组织项目在内的多项国际和国内项目,发表包括IEEE TVT,IEEE TITS等在内的SCI/EI收录论文30篇,对深度学习和强化学习在智能车辆和智能交通系统中的应用有丰富经验。

邸慧军-讲师-北京理工大学-

邸慧军,分别于2002.7和2009.7获清华大学计算机科学与技术专业工学学士和博士学位。2008.2-2009.3在德国慕尼黑西门子公司中央研究所做访问学者,2009.7-2012.7在清华大学计算机科学与技术系从事博士后研究。2012年7月至今在北京理工大学计算机学院从事教学及科研工作。

陈慧岩-教授-北京理工大学-

陈慧岩,北京理工大学教授,博士生导师,享受国务院特殊津贴。长期从事地面无人机动平台的基础理论与技术研究。是“地面无人机动武器平台”国防科技创新团队带头人,无人车技术工业和信息化部重点实验室方向二学术带头人。从事坦克装甲车辆技术研究及军用与民用无人驾驶车辆以来,完成军品型号项目、国家自然科学基金重点项目、国家自然科学基金重大研究计划培育项目、科技部863项目、国防预先研究等70多项,获得国家科学技术进步一等奖1项,部级科技进步一等奖1项,部级科技发明和进步二等奖6项,科技进步三等奖2项目,国家教学成果二等奖1项目,部级教学成果一等奖1项,发明专利16项,发表学术论文150多篇、出版专著2部及教材4部。培养毕业博士、硕士研究生70多人。 龚建伟,北京理工大学教授,汽车研究所所长。1992年本科毕业于国防科技大学,2002年北京理工大学获工学博士学位,2011-2012年麻省理工学院访问研究。自1997年开始在北京理工大学从事无人驾驶车辆理论与技术研究。智能驾驶领域负责重大基础研究项目、国家自然基金重点项目、车辆企业合作项目多项。2009年以来带队参加“中国智能车未来挑战赛”,获得第1名、第2名等多项奖励,2014、2016、2018带队参加陆军“跨越险阻”无人系统挑战赛,成绩优秀。著有《无人驾驶车辆模型预测控制》、《无人驾驶汽车概论》、《无人驾驶车辆理论与设计》、《智能车辆理论与应用》等多部著作。研究团队为无人车技术工业和信息化部重点实验室、地面无人平台国防科技创新团队。完成自动驾驶系统、低成本导航定位系统开展产业化应用,以及自动驾驶客车、通勤巴士专线运营、无人工程车辆、自动驾驶商用车辆等平台的产品化应用研发,完成矿用无人车及无人矿区、越野环境等场景测试应用。

也许你还感兴趣的课程:


  1. Oriental Wisdom—Caigentan(Round 2)

  2. 职业卫生与职业医学(2021秋)

  3. Topographic Anatomy and Operative Surgery(Round 2)

  4. java程序设计(2021秋)

  5. 广告设计(2021秋)

  6. Auditing(Round 2)

  7. 交替传译(2021秋)

  8. 数字测图技术(2021秋)

  9. Social Welfare Theories and Practice(Round 2)

  10. Chinese Literature(Round 2)

  11. 智能车辆理论与应用(2021秋)

  12. 语音信号数字处理(2021秋)

  13. 应用语言学理论与实践(2021秋)

  14. 数据库技术应用(2021秋)

  15. 思想政治教育学原理(2021秋)

  16. 概率论(2021秋)

  17. 设计素描(2021秋)

  18. 材料现代研究方法(2021秋)

  19. 现代电力电子技术(2021秋)

  20. 机械精度设计与检测技术(2021秋)
© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。