“知识视界”产学研-视频播放

对不起，您不在IP段范围内，无法观看

1734 播放

播放有问题？请戳这里

传感器融合和跟踪4：使用IMM滤波器跟踪单个对象

时长：17 分钟

类别：汽车智能技术

简介：该视频介绍了如何通过交互的多个模型滤波器估算状态来跟踪单个对象。我们建立了对IMM滤波器的一些直观了解，并展示了它是一种比单模型卡尔曼滤波器更好的跟踪算法。让跟踪更难的部分是，我们通常必须用较少的信息来完成跟踪。我们将介绍IMM滤波器如何弥补信息的不足，并展示一些仿真的结果。

相关视频:

Mobileye自动驾驶汽车如何让城市变得更智能

我们正在努力收集和处理数据，以推动未来的自动驾驶汽车。自动驾驶汽车生成的数据不仅构成了安全驾驶自动驾驶汽车所需的清晰地图，还有助于让整个城市变得更智能，为公用设施和公共交通提供详细、实时的道路视图。
自动驾驶汽车的优势与劣势

自动驾驶汽车的优点和缺点是什么？自动驾驶汽车在未来能完全取代传统汽车吗？专家认为，自动驾驶汽车将比人类驾驶员更可靠，事故数量将减少约90%。此外，在大城市，当自动驾驶汽车上路时，交通拥堵将会消失。
辅助自动驾驶的车载计算机

DASy是一个具有高带宽、计算能力和内存的重要组件。为了满足高安全性和稳定性的要求，车载计算机收集并融合了多种技术（如雷达、视频、激光雷达、超声和高度复杂的功能算法)，创建出一个非常精确的360°环境模型，并以高度复杂的功能算法计算出安全动态的车辆行为——即使速度较快。该控制器体积小，功耗适中。
AI学习泊车 — 深度强化学习

这是一个用3D物理模拟AI学习在停车场泊车的视频。模拟是使用Unity的ML-Agents框架实现的。AI由一个深度神经网络组成，包含3个隐藏层，每层128个神经元。它是用近端策略优化（PPO）算法训练的，这是一种强化学习方法。基本上，神经网络的输入是8个深度传感器的读数，汽车当前的速度和位置，以及它与目标的相对位置。神经网络的输出可解释为发动机力、制动力和转向力。
传感器融合和跟踪6：轨迹融合

深入了解轨迹级融合（或轨迹融合），需要它的跟踪情况类型以及与此相关的一些挑战。您将看到两种不同的跟踪架构——轨到轨融合和中央级跟踪，并了解选择一种架构而不是另一种架构的好处。
人工智能在自动驾驶汽车设计中的作用

Mobileye联合创始人、董事长兼首席技术官Amnon Shashua教授在本次主题演讲中讨论了实现自动驾驶必须解决的三大技术支柱。此外，通过使用虚拟模拟，他揭示了实施案例。本视频是他在2017博世互联世界大会上的演讲要点。
传感器融合和跟踪4：使用IMM滤波器跟踪单个对象

该视频介绍了如何通过交互的多个模型滤波器估算状态来跟踪单个对象。我们建立了对IMM滤波器的一些直观了解，并展示了它是一种比单模型卡尔曼滤波器更好的跟踪算法。让跟踪更难的部分是，我们通常必须用较少的信息来完成跟踪。我们将介绍IMM滤波器如何弥补信息的不足，并展示一些仿真的结果。
博世自动驾驶定位

在未来，高度自动化的车辆将越来越多地出现在道路上。实现这一目标的一个重要前提是精确定位。这意味着车辆必须始终将自己当前位置的误差控制在几厘米之内，并且绝对可靠。

观看记录：

标签:

相关视频:

Mobileye自动驾驶汽车如何让城市变得更智能

自动驾驶汽车的优势与劣势

辅助自动驾驶的车载计算机

AI学习泊车 — 深度强化学习

传感器融合和跟踪6：轨迹融合

人工智能在自动驾驶汽车设计中的作用

传感器融合和跟踪4：使用IMM滤波器跟踪单个对象

博世自动驾驶定位