ANTONIO GRECO | AUTONOMOUS VEHICLE DRIVING

cod. 0622700063

AUTONOMOUS VEHICLE DRIVING

	0622700063
	DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
	CORSO DI LAUREA MAGISTRALE
	INGEGNERIA INFORMATICA
	2020/2021

CURRICULUM ARTIFICIAL INTELLIGENCE

	OBBLIGATORIO
	ANNO CORSO 2
	ANNO ORDINAMENTO 2017
	SECONDO SEMESTRE

MODULI

SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
ING-INF/05	3	24	LEZIONE	CARATTERIZZANTE
ING-INF/05	2	16	ESERCITAZIONE	CARATTERIZZANTE
ING-INF/05	1	8	LABORATORIO	CARATTERIZZANTE

DOCENTI

	ALESSIA SAGGESE T Curriculum
	ANTONIO GRECO Curriculum

	Obiettivi
	Il corso ha l'obiettivo di introdurre le principali problematiche relative alla realizzazione di veicoli a guida autonoma. Conoscenze e comprensione Conoscenza delle tecnologie per i sensori usati in veicoli a guida autonoma, e dei principali processi che compongono un sistema di guida autonoma o di supporto alla guida (localizzazione e mapping, comprensione della scena, pianificazione del movimento e analisi dello stato del conducente). Capacità di applicare conoscenze e comprensione Capacità di realizzare un semplice sistema di guida autonoma, implementando tutti i componenti del sistema, anche con l'aiuto di software di simulazione.

Il corso ha l'obiettivo di introdurre le principali problematiche relative alla realizzazione di veicoli a guida autonoma.

Conoscenze e comprensione
Conoscenza delle tecnologie per i sensori usati in veicoli a guida autonoma, e dei principali processi che compongono un sistema di guida autonoma o di supporto alla guida (localizzazione e mapping, comprensione della scena, pianificazione del movimento e analisi dello stato del conducente).

Capacità di applicare conoscenze e comprensione
Capacità di realizzare un semplice sistema di guida autonoma, implementando tutti i componenti del sistema, anche con l'aiuto di software di simulazione.

	Prerequisiti
	Per il proficuo raggiungimento degli obiettivi prefissati è richiesta la conoscenza dei contenuti del corso di Machine Learning e del linguaggio Python.

	Contenuti
	INTRODUZIONE (4-0-0) STORIA DEI SISTEMI A GUIDA AUTONOMA, LIVELLI DI GUIDA AUTONOMA, OVERVIEW DEI CONCETTI DI PERCEPTION, DECISION, ACTION SENSORS AND PERCEPTION (10-6-0) OVERVIEW DEI SENSORI IN AMBITO AUTOMOTIVE (CAMERA, STEREO, RADAR, LIDAR, SONAR, GNSS/IMU ETC). POSIZIONAMENTO DEI SENSORI SULLA BASE DELLO SPECIFICO SCENARIO APPLICATIVO (URBAN, HIGHWAY). APPROFONDIMENTO SENSORI GNSS/IMU, LIDAR. ACQUISIZIONE E GESTIONE DATI LIDAR. ALGORITMI DI 2D OBJECT DETECTION, ALGORITMI DI 3D OBJECT DETECTION BASATI SU POINT CLOUD. LOCALIZATION AND MOTION PLANNING (10-4-0) LANE DETECTION, STATE ESTIMATION BY LIDAR, GNSS AND IMU; MAPPING FOR PLANNING, OCCUPANCY GRID; MISSION PLANNING, CREATING A ROAD NETWORK GRAPH; DYNAMIC OBJECT INTERACTIONS. SIMULATION ENVIRONMENT (8-4-2) USAGE OF CARLA SIMULATOR

Contenuti

INTRODUZIONE (4-0-0)
STORIA DEI SISTEMI A GUIDA AUTONOMA, LIVELLI DI GUIDA AUTONOMA, OVERVIEW DEI CONCETTI DI PERCEPTION, DECISION, ACTION

SENSORS AND PERCEPTION (10-6-0)
OVERVIEW DEI SENSORI IN AMBITO AUTOMOTIVE (CAMERA, STEREO, RADAR, LIDAR, SONAR, GNSS/IMU ETC). POSIZIONAMENTO DEI SENSORI SULLA BASE DELLO SPECIFICO SCENARIO APPLICATIVO (URBAN, HIGHWAY). APPROFONDIMENTO SENSORI GNSS/IMU, LIDAR. ACQUISIZIONE E GESTIONE DATI LIDAR. ALGORITMI DI 2D OBJECT DETECTION, ALGORITMI DI 3D OBJECT DETECTION BASATI SU POINT CLOUD.

LOCALIZATION AND MOTION PLANNING (10-4-0)
LANE DETECTION, STATE ESTIMATION BY LIDAR, GNSS AND IMU; MAPPING FOR PLANNING, OCCUPANCY GRID; MISSION PLANNING, CREATING A ROAD NETWORK GRAPH; DYNAMIC OBJECT INTERACTIONS.

SIMULATION ENVIRONMENT (8-4-2)
USAGE OF CARLA SIMULATOR

	Metodi Didattici
	LINSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA ED ESERCITAZIONI PRATICHE DI LABORATORIO. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, SIA INDIVIDUALMENTE CHE DIVISI PER GRUPPI DI LAVORO, DEI PROGETTO DA SVILUPPARE UTILIZZANDO I CONTENUTI DELLINSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALLACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELLINSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO LA LIBRERIA CARLA. PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALLATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.

Metodi Didattici

LINSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA ED ESERCITAZIONI PRATICHE DI LABORATORIO. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, SIA INDIVIDUALMENTE CHE DIVISI PER GRUPPI DI LAVORO, DEI PROGETTO DA SVILUPPARE UTILIZZANDO I CONTENUTI DELLINSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALLACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELLINSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO LA LIBRERIA CARLA.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALLATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.

	Verifica dell'apprendimento
	LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO: LA CONOSCENZA E LA CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO; LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE CHE RICHIEDONO LUSO DI TECNICHE DI VISIONE ARTIFICIALE; LAUTONOMIA DI GIUDIZIO, LE ABILITÀ COMUNICATIVE E LA CAPACITÀ DI APPRENDERE. LA PROVA SI ARTICOLA IN DUE FASI: UNA PRIMA CONSISTE IN UN COLLOQUIO ORALE E NELLA DISCUSSIONE DEI MID TERM PROJECTS SVOLTI INDIVIDUALMENTE DURANTE IL CORSO.UNA SECONDA FASE PREVEDE LA REALIZZAZIONE DI UN FINAL TERM PROJECT: GLI STUDENTI, DIVISI IN TEAM, DEVONO REALIZZARE UN SISTEMA FINALIZZATO AD UNA COMPETIZIONE TRA I VARI TEAM. SONO OGGETTO DI VALUTAZIONE LE SCELTE PROGETTUALI E METODOLOGICHE EFFETTUATE, INSIEME CON IL RISULTATO OTTENUTO DAL TEAM DURANTE LA COMPETIZIONE.LO SCOPO E QUELLO DI VALUTARE LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE ACQUISITE, LA CAPACITÀ DI APPLICARE LE CONOSCENZE, LAUTONOMIA DI GIUDIZIO E LA CAPACITÀ DI LAVORARE IN GRUPPO. NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE DEI MID TERM PROJECTS E DEL COLLOQUIO ORALE PESERÀ PER IL 40%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 60%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE LE CONOSCENZE ACQUISITE CON AUTONOMIA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI NEL CORSO

Verifica dell'apprendimento

LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO: LA CONOSCENZA E LA CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO; LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE CHE RICHIEDONO LUSO DI TECNICHE DI VISIONE ARTIFICIALE; LAUTONOMIA DI GIUDIZIO, LE ABILITÀ COMUNICATIVE E LA CAPACITÀ DI APPRENDERE.
LA PROVA SI ARTICOLA IN DUE FASI: UNA PRIMA CONSISTE IN UN COLLOQUIO ORALE E NELLA DISCUSSIONE DEI MID TERM PROJECTS SVOLTI INDIVIDUALMENTE DURANTE IL CORSO.UNA SECONDA FASE PREVEDE LA REALIZZAZIONE DI UN FINAL TERM PROJECT: GLI STUDENTI, DIVISI IN TEAM, DEVONO REALIZZARE UN SISTEMA FINALIZZATO AD UNA COMPETIZIONE TRA I VARI TEAM. SONO OGGETTO DI VALUTAZIONE LE SCELTE PROGETTUALI E METODOLOGICHE EFFETTUATE, INSIEME CON IL RISULTATO OTTENUTO DAL TEAM DURANTE LA COMPETIZIONE.LO SCOPO E QUELLO DI VALUTARE LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE ACQUISITE, LA CAPACITÀ DI APPLICARE LE CONOSCENZE, LAUTONOMIA DI GIUDIZIO E LA CAPACITÀ DI LAVORARE IN GRUPPO.
NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE DEI MID TERM PROJECTS E DEL COLLOQUIO ORALE PESERÀ PER IL 40%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 60%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE LE CONOSCENZE ACQUISITE CON AUTONOMIA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI NEL CORSO

	Testi
	Materiale didattico fornito durante il corso.

	Altre Informazioni
	Il corso è tenuto in lingua inglese.

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-05-23]

ANTONIO GRECO | AUTONOMOUS VEHICLE DRIVING