Imparare un linguaggio di programmazione (Python o C): questa è la base per tutti gli altri apprendimenti. Si consiglia di dedicare del tempo a padroneggiare prima un linguaggio di programmazione, in particolare Python, perché è ampiamente utilizzato nei campi della visione artificiale e profonda. apprendimento.

Utilizzo degli strumenti: installa e acquisisci familiarità con gli strumenti e le librerie pertinenti, come OpenCV, TensorFlow, PyTorch, MATLAB, ecc. Questi strumenti verranno utilizzati frequentemente negli studi successivi.

Tempo consigliato: 1-2 mesi

Elaborazione delle immagini: apprendi le tecniche di elaborazione delle immagini di base, come il filtraggio, il rilevamento dei bordi e l'estrazione delle funzionalità. Fai un po' di lavoro pratico con OpenCV.

Calibrazione della fotocamera e trasformazione geometrica: padroneggia tecniche geometriche come la calibrazione della fotocamera, la proiezione e la trasformazione prospettica. Comprendere questi contenuti è fondamentale per la successiva generazione di visualizzazioni BEV.

Visione stereo e percezione della profondità: scopri come calcolare le informazioni sulla profondità attraverso la visione stereo e comprendi ulteriormente la relazione tra le telecamere e lo spazio tridimensionale.

Tempo consigliato: 2-3 mesi

Operazioni e trasformazioni di matrici: apprendi le basi dell'algebra lineare, comprese operazioni di matrici, autovalori, autovettori, ecc., che sono molto importanti per comprendere le trasformazioni geometriche nella visione artificiale.

Geometria spaziale: padroneggia i principi di trasformazione delle coordinate, rotazione, proiezione, ecc. nella geometria tridimensionale. Questa conoscenza è indispensabile quando si generano viste BEV.

Durata consigliata: 2 mesi (studio in parallelo con Computer Vision Fundamentals)

Algoritmi di base: apprendi le conoscenze di base come l'apprendimento supervisionato e l'apprendimento non supervisionato e comprendi gli algoritmi di base come la classificazione e la regressione.

Pratico: applica le conoscenze di apprendimento automatico nei progetti di classificazione delle immagini o di rilevamento di oggetti per comprendere ulteriormente come vengono utilizzati gli algoritmi per la comprensione delle immagini.

Tempo consigliato: 2-3 mesi

Nozioni di base sul deep learning: apprendi la struttura e i principi di base delle reti neurali e padroneggia metodi di ottimizzazione come la backpropagation e la discesa del gradiente.

Rete neurale convoluzionale (CNN): focus sull'apprendimento dell'architettura CNN per l'elaborazione delle immagini, come ResNet, YOLO, Faster R-CNN, ecc. È possibile eseguire operazioni pratiche insieme al progetto di rilevamento del target per comprendere come utilizzare questi modelli per il rilevamento e la classificazione del target in BEV.

Tempo consigliato: 3-4 mesi

Nozioni di base sullo SLAM: apprendi la teoria di base e gli algoritmi comuni del posizionamento simultaneo e della costruzione di mappe (SLAM) e comprendi come eseguire il posizionamento e la costruzione di mappe in un ambiente dinamico.

Fusione multisensore: scopri come fondere i dati di più sensori come fotocamere e lidar per migliorare la precisione e la robustezza della percezione ambientale.

Tempo consigliato: 3-4 mesi

Trasformazioni di proiezione e prospettiva inversa: scopri di più su come trasformare le normali immagini 2D in viste a volo d'uccello. Padroneggia i principi geometrici della trasformazione prospettica inversa.

Implementazione della consapevolezza BEV: scopri come generare visualizzazioni BEV da più telecamere e risolvere problemi come l'occlusione e la giunzione prospettica. È possibile generare visualizzazioni BEV di alta qualità utilizzando metodi di deep learning come Lift-Splat-Shoot, ecc.

Durata consigliata: 3 mesi

Piattaforme integrate: scopri come sviluppare sistemi di intelligenza artificiale su piattaforme integrate come NVIDIA Jetson e Intel Movidius.

Integrazione hardware: impara a integrare telecamere, lidar e altri sensori con sistemi integrati per costruire un sistema di percezione BEV in tempo reale.

Tempo consigliato: 2-3 mesi

Costruisci un piccolo sistema di percezione BEV: vari moduli di apprendimento possono essere integrati insieme per costruire un sistema di percezione BEV completo, come la generazione di una visione a volo d'uccello dell'ambiente in progetti di guida autonoma o droni.

Partecipa a progetti open source: apprendi esperienze pratiche e applica le conoscenze apprese a problemi reali partecipando a progetti correlati nella comunità open source.

Tempi suggeriti: durante l'intero processo di apprendimento

Nozioni di base preliminari (programmazione, visione, matematica): 5-6 mesi

Contenuti principali a medio termine (machine learning, deep learning, SLAM, fusione multisensore): 6-8 mesi

Applicazione successiva (incorporata, pratica di progetto): 2-4 mesi

L'intero processo di apprendimento dura circa 12-18 mesi e puoi adattarlo in modo flessibile in base al tuo programma temporale. Prova a completare alcuni progetti o esperimenti in ogni fase, il che può rendere l'apprendimento più efficiente e approfondire la comprensione.