-
学习时长
10周 / 每周至少8小时
-
答疑服务
专属微信答疑群 / 讲师助教均参与
-
作业批改
课程配有实践作业 / 助教1V1批改
- 第1章: 自动驾驶系统中的传感器与时序闭环
- 1： 【课件】L1 自动驾驶多传感器设计.pdf
- 第1节: 自动驾驶为什么需要多传感器
- 免费 2： 【视频】自动驾驶系统传感器需求
- 第2节: 传感器的物理特性
- 免费 3： 【视频】传感器的物理特性
- 第3节: 感知传感器的成像机制
- 免费 4-1： 【视频】Camera成像机制
- 4-2： 【视频】Lidar成像机制
- 4-3： 【视频】Radar成像机制
- 4-4： 【视频】超声波雷达成像原理
- 第4节: 定位传感器工作原理简介
- 5： 【视频】建图定位多传感器分析
- 第5节: 自动驾驶传感器系统设计
- 6： 【视频】整车传感器系统分析
- 第6节: 多传感器系统的时序闭环
- 7-1： 【视频】时序闭环构建
- 7-2： 【视频】成像同步机制
- 第2章: 多传感器的标定
- 8： 【课件】L2-CalibrationSystem-v2.3.pdf
- 第1节: 为什么需要标定传感器
- 9： 【视频】如何确定多个传感器检测到的物体是同一个？
- 第2节: 非线性优化知识回顾
- 10-1： 【视频】非线性优化基础
- 10-2： 【资料】非线性最小二乘问题的求解方法.pdf
- 第3节: 从Camera成像过程谈Camera内参标定
- 11： 【视频】camera内参标定
- 第4节: 多传感器之间的外参标定
- 12： 【视频】传感器外参标定
- 第5节: 外参在线动态修正
- 13： 【视频】外参在线修正
- 第3章: 多传感器后融合算法
- 14： 【课件】L3 后融合感知算法.pdf
- 第1节: 融合问题定义及背景
- 15： 【视频】融合问题定义及背景
- 第2节: 后融合系统输入输出
- 16： 【视频】后融合输入及算法设计思想
- 第3节: 预测及目标关联
- 17： 【视频】目标及预测关联算法
- 第4节: 后融合算法：Kalman Filter与Extented Kalman Filter
- 18： 【视频】基于KF与EKF的后融合
- 第4章: 多传感器前融合算法
- 19： 【课件】L4 Early Fusion Algorithm.pdf
- 第1节: 前融合介绍
- 20： 【视频】前融合介绍
- 第2节: 前融合算法：MV3D, ContFuse, CRFNet
- 21： 【视频】激光雷达与相机的前融合，相机与毫米波雷达的前融合
- 第3节: 前融合与后融合的关系
- 22： 【视频】实际系统中前融合与后融合的关系
- 第4节: 场景理解：自动驾驶遇到的新问题
- 23： 【视频】场景理解
- 第5节: 融合系统设计
- 24： 【视频】融合感知系统的设计
- 第5章: 如何预测目标级障碍物未来轨迹
- 25： 【课件】L5 Prediction System.pdf
- 第1节: 预测问题定义
- 26： 【视频】预测问题是什么
- 第2节: 机动车与行人的预测算法
- 27： 【视频】机动车与行人的预测方法
- 第3节: 预测系统构建
- 28： 【视频】如何构建预测系统
- 第6章: 融合感知系统工程化：在线系统构建
- 29： 【课件】L6&7 OnlineOfflineSystem.pdf
- 第1节: 感知系统的数据
- 30： 【视频】感知系统的数据
- 第2节: 在线系统设计
- 31： 【视频】在线系统设计
- 第7章: 融合感知系统工程化：离线系统构建
- 第1节: 感知性能评估体系
- 32： 【视频】感知性能评估体系
- 第2节: 如何构建数据闭环及离线工具链
- 33： 【视频】如何构建数据闭环及离线工具链
官方微信公众号
