课程名称: State Estimation and Localization for Self-Driving Cars

课程主页: https://www.coursera.org/learn/state-estimation-localization-self-driving-cars

所在平台: Coursera

课程类别: 计算机科学

大学或机构: 多伦多大学

讲师： Steven Waslander,Jonathan Kelly

授课语言： 英语

提供字幕： 中英

课程文件大小： 1.01GB

课程介绍： 欢迎来到自动驾驶汽车的州估计和本地化课程，这是多伦多大学自动驾驶汽车专业课程的第二门课程。我们建议您在修读本课程之前，先修读专业课程中的第一门课程。

本课程将向您介绍不同的传感器，以及我们如何将其用于自动驾驶汽车的状态估计和定位。在本课程结束时，您将能够：
-了解用于自动驾驶的参数和状态估计的关键方法，例如最小二乘法
-为典型的车辆定位传感器（包括GPS和IMU）开发模型
-将扩展且无味的卡尔曼滤波器应用于车辆状态估计问题
-了解LIDAR扫描匹配和迭代最近点算法
-应用这些工具将多个传感器流融合到自动驾驶汽车的单个状态估计中

对于本课程的最后一个项目，您将实现错误状态扩展卡尔曼滤波器（ES-EKF），以使用CARLA模拟器中的数据对车辆进行定位。

这是一门高级课程，面向具有机械工程，计算机和电气工程或机器人技术背景的学习者。为了成功完成本课程，您应该具有Python 3.0的编程经验，熟悉线性代数（矩阵，向量，矩阵乘法，秩，特征值以及向量和逆），统计信息（高斯概率分布），微积分和物理（力，矩） ，惯性，牛顿定律）。

本课程属于 Self-Driving Cars Specialization/自动驾驶汽车 专项课程 中的第2门课程。

课程压缩包下载地址（度盘链接 解压密码：xuebuyan.org）：

友情提醒：