Informa??es da Disciplina

 Preparar para impressão 
Júpiter - Sistema de Graduação

Escola de Engenharia de São Carlos
 
Engenharia Mecânica
 
Disciplina: SEM0575 - Veículos Terrestres Autônomos
Autonomous Ground Vehicles

Créditos Aula: 2
Créditos Trabalho: 1
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2018 Desativação:

Objetivos
Fornecer ao aluno da graduação conhecimentos básicos sobre os sistemas embarcados em veículos autônomos terrestres para que possam atuar em pesquisas, empresas de desenvolvimento e montadoras.
 
 
 
Docente(s) Responsável(eis)
1649833 - Marcelo Becker
 
Programa Resumido
Introdução, Histórico, Deep Learning, Visão Computacional, Sistemas Embarcados de Sensoriamento e de Processamento, Redes Embarcadas, Sistemas Operacionais, Sistemas de Navegação: Planejamento de Trajetórias e Desvio de Obstáculos, Sistemas de Auto-localização, Fusão Sensorial, Sistemas de Controle, Aspectos Éticos e Legais.
 
 
 
Programa
. Introdução e Histórico de Veículos Terrestres Autônomos. . Noções Básicas de Deep Learning e Visão Computacional. . Sistemas Embarcados de Sensoriamento e de Processamento. . Redes Embarcadas e Sistemas Operacionais. . Sistemas de Auto-localização. . Fusão Sensorial. . Sistemas de Navegação: Planejamento de Trajetórias e Desvio de Obstáculos . Sistemas de Controle. . Aspectos Éticos e Legais sobre Veículos Autônomos. . Seminários e estudo de casos.
 
 
 
Avaliação
     
Método
Provas e trabalhos.
Critério
Média ponderada entre provas e trabalhos igual ou superior a 5,0.
Norma de Recuperação
Os critérios de avaliação da recuperação devem ser similares aos aplicados durante o semestre regular do oferecimento da disciplina; 1) A nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue: a) MF=5 se 5 ≤MR ≤ (10 - MS); b) MF = (MS + MR) / 2 se MR > (10 – MS) c) MF = MS se MR < 5. 2) O período de recuperação das disciplinas deve se estender do início até um mês antes do final do semestre subsequente ao da reprovação do aluno em primeira avaliação.
 
Bibliografia
     
Driverless: Intelligent Cars and the Road Ahead (MIT Press) / Hod Lipson and Melba Kurman, 2016. Deep Learning (Adaptive Computation and Machine Learning series) / Ian Goodfellow et al., 2016. Introduction to autonomous mobile robots / Roland Siegwart, Illah R. Nourbaskhah, and Davide Scaramuzza., 2nd edition, Cambridge, Mass. : MIT Press, c2011. Springer Handbook of Robotics/Editors: Siciliano, Bruno, Khatib, Oussama (Eds.), 2008.
 

Clique para consultar os requisitos para SEM0575

Clique para consultar o oferecimento para SEM0575

Créditos | Fale conosco
© 1999 - 2020 - Superintendência de Tecnologia da Informação/USP