1. 课程信息
- Location:二教2408
- Time: Tuesday, 14:00-16:30
- Teacher:Yongcai Wang
- Office:Wing building of Science and Technology, 105A
- Email:ycw@ruc.edu.cn
2. 评分标准
- 平时作业,占总成绩的40%
- 课程实验,占总成绩30%
- 课程论文,占总成绩的30%。
3. 内容简介
本课程主要介绍视觉、惯性感知技术和多传感器融合的机器感知理论与方法,课程内容包括:
- 贝叶斯滤波,
- Kalman滤波算法,
- 定位导航技术,
- SLAM算法,
- 图优化算法,
- 惯性姿态解算,
- 惯性导航方法,
- 3D视觉,
- 视觉里程计,
- 视觉惯性里程计等。
使得学生了解机器感知的理论、技术基础与学术前沿,特别是通过对相关算法的实现,提高数据处理与智能系统的研发能力。 在每次讲授中,课程内容上将有所调整。
4. 教学安排
5. 参考书目
Sebastian Thrun,
Probabilistic Robotics _Sebastian Thrun et al. Peter Corke,《
Robotics, Vision and Control》 高翔等,《
视觉SLAM十四讲》 Richard Szeliski,《
Computer Vision: Algorithms and Applications》,second Edition Giorgio Grisetti等,
A Tutorial on Graph-Based SLAM Oliver J. Woodman,
An introduction to inertial navigation
6. 课程实验
课程共包括五次实验 1. 设计并实现仿真程序,实现基于Bayes 滤波的移动机器人定位; 2. 根据所提供的数据集实现EKF 定位算法,实现对移动机器人的定位 3. 根据所提供的数据集,实现点云Scan Matching方法,并进行测试 4. 实践Eigen几何模块和Sophus的代码,实现空间3D姿态变换和惯性导航 5. 根据Kitti数据集中的图像,实现2D-2D对极几何,PnP, 光流法,直接法的视觉里程计方法
7. 课程论文
1. 课程论文选题
lecture report topics 2. 课程论文报告打分表
Score Metrics