报告题目:

Apollo, Open Autonomous Driving Platform

报告简介:

Apollo(阿波罗)是最大的开放式自主驾驶平台,由自主驾驶社区开发的全套H/W和S/W。我们将介绍阿波罗正在进行的研究,并讨论未来的自主驾驶方向。我们将主要讨论5个主题:感知、模拟、传感器融合、定位和控制:1)感知:我们将回顾每个传感器的优缺点,并讨论使用这些传感器可以实现哪些功能和自治级别。我们还将讨论主要问题,以达到L4自主与相机。2)仿真:我们将演示基于游戏引擎的仿真,用于使用相机和激光雷达传感器训练和评估感知算法。3)传感器融合:我们将介绍如何学习每个传感器的先验和置信函数,并使用Dempster-Shafer理论融合所有传感器输出。4)定位:我们将提出一种融合GNSS、IMU、摄像机和激光雷达的高精度定位算法。5)控制:我们还将解释如何在规划中进行多次迭代优化,并介绍一种基于学习的动态控制建模及其在仿真中的应用。

嘉宾介绍:

Tae Eun Choe博士,是百度感知的首席架构师。2007年,他在南加州大学获得计算机科学博士学位。他的研究兴趣包括三维重建、目标检测和跟踪、场景理解和视频到文本。在ObjectVideo,他作为主要调查员领导了多个美国政府项目,包括自动场景理解(ONR SBIR)、多个移动目标的实时跟踪(Army STTR)和感知、开发和执行数学(ONR BAA)项目。2016年2月,他加入特斯拉,开发并成功实现了自动驾驶仪视觉的商业化。他开发了在线摄像机校准、路径预测和车道线检测。从2017年9月起,他在百度美国公司领导阿波罗感知团队。

Dr. Liang Wang,王亮博士是百度智能驾驶集团(IDG)感知团队的首席架构师和技术负责人。在IDG,他的研究集中在计算机视觉、机器学习和机器人学的交叉点上,特别强调建立实时感知系统以实现L4自主性。在加入百度之前,他是微软公司的研究员,在那里他致力于利用计算机视觉技术发明新型人机界面。王亮博士的研究方向包括目标检测、多传感器标定/融合、基于图像的建模/绘制/定位、三维重建、运动结构(SFM)等,在国内外顶级期刊/会议上发表研究论文30余篇,被引用5000余条。

成为VIP会员查看完整内容
31

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
无人驾驶开源仿真平台整理
智能交通技术
25+阅读 · 2019年5月9日
自动驾驶汽车技术路线简介
智能交通技术
14+阅读 · 2019年4月25日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
15+阅读 · 2018年4月4日
【观点】薛建儒:无人车的场景理解与自主运动
中国自动化学会
7+阅读 · 2018年1月24日
高大上的无人驾驶技术,学起来也没那么难!
计算机视觉战队
6+阅读 · 2017年12月27日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Monocular Plan View Networks for Autonomous Driving
Arxiv
6+阅读 · 2019年5月16日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关VIP内容
相关资讯
微信扫码咨询专知VIP会员