-
学习时长
8周/建议每周至少10小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
课程配有作业/助教1V1讲评
-
课程有效期
一年/告别拖延，温顾知新
- 1： 环境感知训练平台使用指南 V1.1.
- 第1章: 环境感知介绍
- 2： 【课件】课程介绍.pdf
- 第1节: 这节课我们讲什么
- 3： 【视频】这节课我们讲什么
- 第2节: 概念：自动驾驶与环境感知
- 4-1： 【视频】自动驾驶是什么
- 4-2： 【视频】环境感知系统都由哪些传感器组成
- 4-3： 【视频】激光雷达与毫米波雷达必有一战
- 第3节: 技术：传感器感知算法
- 5： 【视频】深度学习算法是否一统江湖了
- 第4节: 行业：感知系统案例
- 6： 【视频】3种典型的环境感知方案
- 第5节: 课程：传感器+算法+实践
- 7-1： 【视频】这门课程讲什么，怎么讲
- 7-2： 【视频】这门课程你会收获到什么
- 第2章: 2D感知算法
- 8： 【课件】基于相机的2D视觉感知.pdf
- 第1节: 2D感知任务
- 9： 【视频】2D感知任务
- 第2节: 数据库和基准测试
- 10： 【视频】数据库和基准测试
- 第3节: 物体检测算法
- 11-1： 【视频】R-CNN & SSD & YOLO
- 11-2： 【视频】CenterNet算法原理
- 11-3： 【视频】FCOS & CornerNet
- 11-4： 【视频】CenterNet定性分析
- 第4节: 物体跟踪算法
- 12： 【视频】物体跟踪算法
- 第5节: 语义分割算法
- 13： 【视频】语义分割算法
- 第3章: 3D感知算法
- 14： 【课件】3D视觉感知
- 第1节: 基于单目的方法
- 15： 【视频】3D感知任务
- 第2节: 基于单目的3D感知
- 16： 【视频】单目3D感知
- 第3节: 基于双目的3D感知及PSMNet深度估计方法
- 17： 【视频】双目3D感知
- 第4节: 多目3D感知
- 18： 【视频】多目3D感知
- 第4章: 激光雷达物体检测
- 19： 【课件】L4 激光雷达物体检测
- 第1节: 基本概念
- 20： 【视频】基本概念
- 第2节: 点云数据库
- 21： 【视频】点云数据库
- 第3节: 基于点视图的物体检测
- 22： 【视频】基于点视图的物体检测
- 第4节: 基于俯视图的物体检测
- 23： 【视频】基于俯视图的物体检测
- 第5节: 基于前视图的物体检测
- 24： 【视频】基于前视图的物体检测
- 第6节: 基于多视图融合的物体检测
- 25-1： 【视频】为什么需要多视图融合
- 25-2： 【视频】基于俯视图与点视图融合的3D物体检测
- 25-3： 【视频】基于俯视图与前视图融合的3D物体检测
- 第7节: 总结
- 26： 【视频】 总结
- 第5章: 激光雷达语义分割
- 27： 【课件】激光雷达语义分割
- 第1节: 基本概念
- 28： 【视频】基本概念
- 第2节: 数据库和性能指标
- 29： 【视频】数据库和性能指标
- 第3节: 基于点云的语义分割
- 30-1： 【视频】基于点云的语义分割：点视图的方法RandLA-Net
- 30-2： 【视频】基于点云的语义分割：俯视图和前视图的方法
- 第4节: 基于点云的实例分割
- 31： 【视频】基于点云的实例分割
- 第5节: 基于点云的全景分割
- 32： 【视频】基于点云的全景分割
- 第6章: 毫米波雷达感知算法：传统方法
- 33： 【课件】毫米波雷达传统方法
- 第1节: 雷达的概念和分类
- 34： 【视频】雷达的概念和分类
- 第2节: FMCW雷达信号解析
- 35： 【视频】FMCW雷达信号解析
- 第3节: FMCW雷达数据形式
- 36： 【视频】FMCW雷达数据形式
- 第4节: 物体检测和跟踪
- 37： 【视频】物体检测和跟踪
- 第7章: 毫米波雷达感知算法：深度学习方法
- 第1节: 数据表示和公开数据库
- 38： 【课件】L7 基于深度学习的毫米波雷达
- 39： 【视频】数据表示和公开数据库
- 第2节: 稀疏点云+深度学习
- 40： 【视频】稀疏点云+深度学习
- 第3节: 稠密数据块+深度学习
- 41： 【视频】稠密数据块+深度学习
官方微信公众号
