Visão Geral

A aplicação da Visão Computacional em veículos autônomos é um dos campos mais avançados e desafiadores da tecnologia atual. Sistemas precisam interpretar o ambiente em tempo real, identificar objetos, reconhecer faixas e tomar decisões com precisão. Neste curso, você irá aprender como essas soluções são construídas, utilizando ferramentas consolidadas como OpenCV, TensorFlow e PyTorch. A abordagem segue um caminho sólido: entender os fundamentos clássicos e aplicar técnicas modernas em cenários reais.

Objetivo

Após realizar este curso, você será capaz de:

• Compreender como funciona a visão em carros autônomos
• Aplicar técnicas de detecção e reconhecimento em tempo real
• Trabalhar com análise de vídeo para direção autônoma
• Implementar modelos para identificação de objetos e faixas
• Desenvolver projetos aplicados a sistemas inteligentes

Publico Alvo

• Estudantes de tecnologia e engenharia
• Interessados em carros autônomos e IA
• Desenvolvedores de Visão Computacional
• Pessoas que desejam atuar com sistemas inteligentes

Pre-Requisitos

• Python intermediário
• Fundamentos de Visão Computacional
• Conhecimentos de Deep Learning
• Noções de processamento de imagens

Conteúdo Programatico

Module 1 – Introduction to Autonomous Driving Vision

1. What is autonomous driving
2. Role of computer vision in vehicles
3. Sensors and cameras
4. System overview

Module 2 – Image and Video Processing for Driving

1. Working with road images
2. Video stream processing
3. Perspective transformations
4. Real-time considerations

Module 3 – Lane Detection Techniques

1. Edge detection for lanes
2. Hough Transform
3. Lane tracking
4. Practical implementation

Module 4 – Object Detection in Traffic

1. Detecting vehicles and pedestrians
2. Traffic sign recognition
3. Using YOLO and SSD
4. Real-time detection

Module 5 – Deep Learning for Autonomous Vision

1. CNNs in driving systems
2. Image classification for traffic signs
3. Semantic segmentation for roads
4. Model integration

Module 6 – Sensor Fusion Basics

1. Combining camera and sensor data
2. LiDAR and radar overview
3. Multi-sensor systems
4. Data synchronization

Module 7 – Decision Support Systems

1. From perception to action
2. Basic decision-making logic
3. Safety considerations
4. System limitations

Module 8 – Project: Autonomous Vision System

1. Building a simplified driving vision system
2. Lane and object detection
3. Real-time processing
4. Final project presentation