2019年5月23日

新课 | 奔驰 x 优达学城,掌握自动驾驶、物联网的核心技术,成为时代性稀缺人才

新课 | 奔驰 x 优达学城,掌握自动驾驶、物联网的核心技术,成为时代性稀缺人才

作者:肉圆

近年来,百度 Apollo、图森、小马智行等行业领先公司通过多传感器融合技术,逐步实现自动驾驶技术中感知和定位的核心功能。蔚来、特斯拉等车企也开始放弃纯视觉路线,逐渐采用多传感器融合技术。Amazon Go 使用计算机视觉、深度学习和传感器融合等核心技术,彻底跳过传统收银结帐的过程,颠覆传统商超模式,引领“无人超市”的风口。

为培养下一代无人驾驶汽车技术工程类人才,一直走在行业前沿的终身教育先驱者优达学城与梅赛德斯-奔驰北美研发中心 (MBRDNA)展开深入合作。我们非常激动地宣布推出与梅赛德斯-奔驰合作开发的《传感器融合》纳米学位。课程中,你将师从行业专家,学习如何融合多个传感器的数据,跟踪环境中的非线性运动和对象,学习研究生阶段的进阶知识,通过实战解决真实应用问题,成为一名卓越的传感器融合工程师,这些技能将会帮助你在角逐机器人研发、无人驾驶等相关热门岗位时具有强大的竞争力。

“传感器融合是奔驰自动驾驶车辆的一项关键技术。通过与优达学城合作推出的这门课程,学员能够师从专家,学习如何处理激光雷达、雷达和摄像头传感器,感知驾驶环境,并成为一名卓越的传感器融合工程师。”—— MBRDNA 传感器融合与定位团队的经理 Michael Maile

建议学习时长:4 个月

先修条件:基础 C++、数学知识

合作企业:梅赛德斯-奔驰

课程服务:无人驾驶领域行业大牛逐行代码审阅

适合人群:

1、致力于在无人驾驶(智能交通)领域深造的无人驾驶工程师。

2、致力于在物联网、机器人、车联网、消费智能终端、AR、VR等领域深造的人。

3、致力于在飞行汽车、无人机等未来新兴领域发展和深造的人。

获取课程大纲,抢占宝贵席位↓↓

为什么要学习这门课程

传感器融合已经迅速发展成为热门行业技术趋势,它们的应用相当广泛:从开源的智能手机和便携式电子设备,拓展到蓬勃发展的物联网(loT)、无人驾驶(自动驾驶)、无人机、机器人、飞行汽车等未来新兴领域,传感器融合作为核心技术,在其中扮演者重要的角色。

关键技术解决痛点,驱动行业未来发展。目前自动驾驶的痛点在于稳定可靠的感知,包括清晰的视觉、优质的算法、多传感器融合以及高效强大的运算能力。据分析,由自动驾驶引发的安全事故原因中,相关传感器的可能误判也成为了主要原因之一。多个传感器信息融合、综合判断无疑成为提升自动驾驶安全性及赋能车辆环境感知的新趋势。

不论是无人驾驶、还是广泛的智能出行领域,各大车企都在争相抢夺传感器融合的专项人才。据麦姆斯咨询报道,传感器融合系统需求预计将在未来 5 年内以约 19.4% 的复合年增长率(CAGR)增长,市场规模预计将从 2017 年的 26.2 亿美元增长到 2023 年的 75.8 亿美元。根据拉勾网数据,3-5年工作经验的传感器工程师普遍月薪在 30k-50k 之间。

为什么要选择优达学城

权威师资,行业前瞻

本纳米学位的课程内容和项目与行业领袖梅赛德斯-奔驰北美研发中心 (MBRDNA) 合作开发,由谷歌无人车之父、优达学城创始人 Sebastian Thrun 亲自讲授,此外还有曾就职博世、大众、福特等知名车企的金牌讲师参与课程制作。你将师从这些行业先驱者,学习与世界同步接轨的前沿技术,实践基于真实案例打造的实战项目。

贴近职位需求的课程设计、高效系统的学习曲线

在热门的传感器融合领域,你将在硅谷行业专家高效而系统的学习规划指导下,一站式学习贴合职位需要的核心技能,适应行业发展趋势,提高个人竞争力和职业生命力。到目前为止,全球已经有 40 多名优达学城自动驾驶学院的纳米学位毕业生入职奔驰。

基于行业案例的实战项目,行业专家代码审阅

课程项目基于行业真实案例设计,你将获得无人驾驶领域专家逐行审阅和反馈,真正掌握,学完即用。打造个人作品集,为简历增加含金量。

自动驾驶(无人驾驶)领域课程培训先驱

目前,市场上关于无人驾驶领域课程的培训不多,优质的课程更是寥寥无几。而优达学城依靠自身的师资优势、强大的合作伙伴、和对行业风向变化的敏锐嗅觉、以及勇于挑战不可能的精神,在2016年开发并推出了无人驾驶汽车工程师纳米学位课程,开创行业先河,并取得巨大成功。目前这门课程在 120 多个国家/地区招收了 21,000 多名学员。很多毕业生都在奔驰、奥迪、宝马、博世、捷豹路虎、Lyft、NVIDIA 等知名企业找到了新的工作。

我将学到什么?

在课程中,你将学习融合机器人常用的三大主要传感器中的数据:激光雷达、摄像头和雷达,感知环境并跟踪非线性运动,成为传感器融合工程师。

第一部分:激光雷达

通过过滤、分割和聚类方式处理原始激光雷达数据,从而检测道路上的其他车辆。

项目挑战:激光雷达障碍物检测

使用优达学城的真实无人驾驶汽车 Carla 的原始激光雷达数据检测道路上的其他车辆。实现自定义 RANSAC 和欧几里得聚类算法。

第二部分:雷达

分析雷达标记来检测和跟踪对象。通过更正径向速度扭曲、噪点和遮挡情况计算速度和方向。

项目挑战:雷达障碍物检测

校准、设定阈值和过滤雷达数据,检测真实雷达数据中的障碍物。

第三部分:摄像头

将摄像头图像与激光雷达点云数据融合到一起。

项目挑战:摄像头与激光雷达融合

检测和跟踪基准 KITTI 数据集中的对象。分类这些对象并将它们投射到三个维度中。将这些投射关系与激光雷达数据相融合,创建三维对象并实时跟踪。

第四部分:卡尔曼滤波器

构建扩展无迹卡尔曼滤波器,用于跟踪非线性运动。

项目挑战:无迹卡尔曼滤波器项目

根据所学的技能用 C++ 编写一个无迹卡尔曼滤波器,用于跟踪高度非线性行人和自行车运动。

立即报名