首页
›
智能汽车与新能源汽车工程
›
048-自动驾驶感知系统与算法工程
›
《Apollo感知系统集成与量产验证工程》
VIP11
本课程属于:048-自动驾驶感知系统与算法工程
智能汽车与新能源汽车工程 · 共 11 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
感知联调全流程详解
📚 共计 30 章节
01
感知联调概述
什么是感知联调 · 感知系统在自动驾驶中的位置 · 联调的目标与意义
概念
基础
02
环境搭建
Ubuntu系统配置 · ROS/ROS2安装 · 依赖库安装 (OpenCV, Eigen, PCL)
环境
工具
03
数据集准备
公开数据集 (KITTI, nuScenes, Waymo) · 标注格式 · 数据预处理
数据
预处理
04
传感器标定
相机内参标定 · 相机-激光雷达联合标定 · Kalibr / lidar_camera_calibration
标定
传感器
05
数据流架构
感知模块输入输出 · Topic通信 · 消息同步与时间戳管理
架构
通信
06
图像预处理
图像去畸变 · 缩放裁剪 · 色彩空间转换 · 数据增强
图像
预处理
07
点云预处理
体素/直通滤波 · 降采样 · 地面去除 · 点云分割
点云
滤波
08
目标检测基础
2D检测 (YOLO, Faster R-CNN) · 模型推理与后处理
检测
2D
09
3D目标检测
PointPillars · VoxelNet · BEVFormer · 视觉/点云3D检测
3D
检测
10
多传感器融合
前融合 · 后融合 · 特征级融合 · 决策级融合
融合
多模态
11
目标跟踪
卡尔曼滤波 · 匈牙利匹配 · SORT / DeepSORT
跟踪
滤波
12
语义分割
图像语义分割 (DeepLab, UNet) · 点云语义分割 (PointNet++, RandLA-Net)
分割
语义
13
实例分割与全景分割
Mask R-CNN · PanopticFPN · 自动驾驶应用
实例
全景
14
车道线检测
霍夫变换 · RANSAC · LaneNet · Ultra-Fast-Lane-Detection
车道线
传统/深度
15
可行驶区域检测
语义分割方法 · occupancy grid · 可行驶区域
区域
可行驶
16
深度估计
单目/双目深度估计 · 雷达投影深度补全
深度
估计
17
光流与运动估计
LK光流 · RAFT · 场景流估计
光流
运动
18
感知结果可视化
ROS RViz · Matplotlib/OpenCV · 3D点云可视化
可视化
RViz
19
性能评估指标
mAP · IoU · FPS · 延迟 · 召回率与精确率
指标
评估
20
模型部署与优化
TensorRT加速 · ONNX转换 · 模型量化 · 剪枝
部署
优化
21
C++与Python混合编程
pybind11 · C++节点封装 · 性能瓶颈分析
混合编程
性能
22
多线程与异步处理
线程池 · 异步回调 · 锁机制与无锁编程
多线程
异步
23
日志与调试
ROS日志 · GDB调试 · perf / valgrind
调试
日志
24
单元测试与集成测试
Google Test · 场景仿真测试 · 回归测试
测试
质量
25
实车联调
硬件在环测试 · 数据回放 · 在线调试技巧
实车
联调
26
常见问题排查
漏检/误检 · 标定误差 · 时间戳不同步
排查
问题
27
感知系统安全
功能安全 ISO 26262 · 冗余设计 · 降级策略
安全
冗余
28
前沿技术概览
端到端感知 · Transformer · Occupancy Network
前沿
趋势
29
项目实战
从零搭建简易感知系统 (检测+跟踪+可视化)
实战
项目
30
总结与展望
感知发展趋势 · 学习路径 · 开源项目推荐
总结
展望
所属VIP或分类
同VIP:ROS2感知规划协同集成工程
同VIP:ROS2自动驾驶感知系统集成工程
同VIP:自动驾驶YOLO感知部署实战100例