2. Docenti
  3. GRECO ANTONIO
  4. Didattica

AUTONOMOUS VEHICLE DRIVING

ANTONIO GRECO AUTONOMOUS VEHICLE DRIVING

0622700063
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2024/2025

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2022
SECONDO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
18LABORATORIO
216ESERCITAZIONE
MARIO VENTO T Curriculum
ANTONIO GRECO Curriculum
Obiettivi
L'INSEGNAMENTO FORNISCE LE CONOSCENZE TEORICHE, METODOLOGICHE, TECNOLOGICHE E PROGETTUALI RELATIVE AI SISTEMI HARDWARE/SOFTWARE COSTITUENTI I VEICOLI A GUIDA AUTONOMA, NONCHE’ DELLE INFRASTRUTTURE DI SMART ROAD PER LA CONNESSIONE DI VEICOLI.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE
CONCETTI DI SMART CITY, SMART ROAD, SMART MOBILITY. VEICOLI AUTONOMI E VEICOLI CONNESSI. TECNOLOGIE E SENSORI UTILIZZATI PER VEICOLI AUTONOMI E PER LA CONNESSIONE CON LE SMART ROAD. PRINCIPALI PROCESSI CHE CARATTERIZZANO UN SISTEMA DI GUIDA AUTONOMA O DI SUPPORTO ALLA GUIDA (LOCALIZZAZIONE E MAPPING, COMPRENSIONE DELLA SCENA, PIANIFICAZIONE DEL MOVIMENTO). FRAMEWORK E SIMULATORI PER LA REALIZZAZIONE DI ALGORITMI DI NAVIGAZIONE AUTONOMA.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
REALIZZARE UN SEMPLICE SISTEMA DI GUIDA AUTONOMA CONNESSO CON I SENSORI DELLA SMART ROAD, IMPLEMENTANDO TUTTI I COMPONENTI DEL SISTEMA, ANCHE CON L'AIUTO DI SOFTWARE DI SIMULAZIONE.
Prerequisiti
PROPEDEUTICITÀ: MACHINE LEARNING

Per il proficuo raggiungimento degli obiettivi prefissati è richiesta la conoscenza dei contenuti del corso di Machine Learning e del linguaggio Python.
Contenuti
UNITA' DIDATTICA 1 - INTRODUZIONE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/0)

1 (3 ORE LEZIONE): SMART CITY, SMART ROAD, VEICOLI AUTONOMI E CONNESSI
2 (2 ORE LEZIONE): VEICOLI A GUIDA AUTONOMA E LIVELLI DI AUTOMAZIONE
3 (3 ORE LEZIONE): CONNECTED VEHICLES: I2V E V2X

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: COMPRENSIONE DEL CONCETTO DI VEICOLI AUTONOMI E CONNESSI, DEI LIVELLI DI AUTOMAZIONE E DEI PARADIGMI I2V E V2X
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: CAPACITÀ DI DISTINGUERE LE CARATTERISTICHE DEI VEICOLI AUTONOMI E CONNESSI.

UNITA' DIDATTICA 2 - HARDWARE E SOFTWARE DI VEICOLI AUTONOMI E CONNESSI
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 10/0/8)

4 (2 ORE LABORATORIO): ARCHITETTURA HARDWARE DI UN VEICOLO A GUIDA AUTONOMA: ESEMPIO MIVIA CAR
5 (3 ORE LABORATORIO): SOFTWARE DI NAVIGAZIONE DI UN VEICOLO A GUIDA AUTONOMA: ESEMPIO MIVIA CAR
6 (2 ORE LEZIONE): STIMA DELLO STATO CON GNSS E IMU: PRINCIPI
7 (3 ORE LEZIONE): STIMA DELLO STATO CON GNSS E IMU: FILTRO DI KALMAN
8 (2 ORE LEZIONE): CONTROLLO LONGITUDINALE E LATERALE: PRINCIPI
9 (3 ORE LABORATORIO): CONTROLLO LONGITUDINALE E LATERALE IN PRATICA: ESEMPIO MIVIA CAR
10 (2 ORE LEZIONE): PRINCIPIO DI FUNZIONAMENTO DEI SENSORI (CAMERA, LIDAR, RADAR, SONAR) E LORO POSIZIONAMENTO

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCENZA DELL'ARCHITETTURA HARDWARE E SOFTWARE DEI VEICOLI A GUIDA AUTONOMA, CAPACITÀ DI PROGETTARE IL POSIZIONAMENTO DEI SENSORI SUL VEICOLO E CONOSCENZA DEI PRINCIPI PER LA STIMA DELLO STATO E PER IL CONTROLLO LONGITUDINALE E LATERALE DI UN VEICOLO
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: CAPACITÀ DI PROGETTARE HARDWARE E SOFTWARE DI NAVIGAZIONE AUTONOMA

UNITA' DIDATTICA 3 - REALIZZAZIONE DI SOFTWARE PER LA GUIDA AUTONOMA: AUTOWARE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 5/0/3)

11 (3 ORE LEZIONE): HIERARCHICAL PLANNING E MISSION PLANNING IN AUTOWARE
12 (2 ORE LEZIONE): BEHAVIOR PLANNING E LOCAL PLANNING IN AUTOWARE
13 (3 ORE LABORATORIO): DIMOSTRAZIONE DI AUTOWARE

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCENZA DEI MODULI SOFTWARE CHE CONSENTONO DI REALIZZARE UN SISTEMA DI GUIDA AUTONOMA
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: CAPACITÀ DI PROGETTARE E REALIZZARE UN ALGORITMO DI GUIDA AUTONOMA IN AUTOWARE

UNITA' DIDATTICA 4 - SIMULAZIONE DI SOFTWARE DI GUIDA AUTONOMA: CARLA
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/8/0)

14 (2 ORE LEZIONE): INTRODUZIONE A CARLA
15 (3 ORE ESERCITAZIONE): CONTROLLO DEL VEICOLO IN CARLA
16 (2 ORE ESERCITAZIONE): SENSORI E ENTITA' IN CARLA
17 (3 ORE ESERCITAZIONE): NAVIGAZIONE AUTONOMA IN CARLA

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCENZA DEL SIMULATORE CARLA PER LA SIMULAZIONE DI ALGORITMI DI GUIDA AUTONOMA
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: CAPACITÀ DI SVILUPPARE E SIMULARE UN SOFTWARE DI GUIDA AUTONOMA NELL'AMBIENTE DI SIMULAZIONE CARLA

UNITA' DIDATTICA 5 - PROGETTO FINALE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/0/4)

18 (2 ORE LABORATORIO): REALIZZAZIONE DEL PROGETTO
19 (2 ORE LABORATORIO): REALIZZAZIONE DEL PROGETTO

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: COMPRENSIONE DELLE SPECIFICHE DEL PROGETTO FINALE
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: CAPACITÀ DI PROGETTARE E REALIZZARE IN GRUPPO UN ALGORITMO PER LA GUIDA AUTONOMA DI UN VEICOLO

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 25/8/15
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 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
IL RAGGIUNGIMENTO DEGLI OBIETTIVI DELL’INSEGNAMENTO È CERTIFICATO MEDIANTE IL SUPERAMENTO DI UN ESAME CON VALUTAZIONE IN TRENTESIMI. L'ESAME PREVEDE LA DISCUSSIONE DI UN PROGETTO REALIZZATO IN GRUPPO (CON GRUPPI DI 3-4 PERSONE) E UN ORALE INDIVIDUALE.
LA REALIZZAZIONE DEL PROGETTO È VOLTA A DIMOSTRARE LA CAPACITÀ DI APPLICARE LE CONOSCENZE MEDIANTE LA REALIZZAZIONE DI UN ALGORITMO DI NAVIGAZIONE AUTONOMA, VERIFICATO IN UN AMBIENTE SIMULATO. LA DISCUSSIONE DEL PROGETTO PREVEDE UNA DIMOSTRAZIONE PRATICA DEL FUNZIONAMENTO DEL SISTEMA REALIZZATO E LA DIFESA DELLE SCELTE PROGETTUALI RIPORTATE NELLA RELAZIONE DI PROGETTO.
L'ORALE MIRA A VERIFICARE IL LIVELLO DELLE CONOSCENZE E DELLA COMPRENSIONE DEGLI ARGOMENTI AFFRONTATI NEL CORSO, NONCHÉ LA CAPACITÀ DI ESPOSIZIONE DELLO STUDENTE.
Testi
MATERIALE DIDATTICO FORNITO DURANTE IL CORSO.

IL MATERIALE DIDATTICO SARA' DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO
Altre Informazioni
L'INSEGNAMENTO E'EROGATO IN INGLESE
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-29]