VIP10
本课程属于：053-BEV多摄像头感知与3D检测 智能汽车与新能源汽车工程 · 共 10 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

BEV时序融合与3D跟踪工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=BEV时序融合与3D跟踪的定义 · 学习目标 · 整体课程框架与工程应用全景
课程导入BEV
02
基础知识
目标=BEV表示 · 相机模型 · 点云基础
基础知识BEV
03
传感器与数据
目标=多相机 · 激光雷达 · 毫米波雷达的数据特点
传感器数据
04
BEV感知基础
目标=LSS · BEVFormer · BEVDet等主流BEV生成方法及其…
BEV感知基础
05
时序融合核心概念
目标=帧间对齐 · 运动补偿 · 特征传播
时序融合核心概念目标=帧间对齐
06
时序融合方法
目标=RNN · 3D卷积 · Transformer时序
时序融合方法RNN
07
3D目标检测基础
目标=PointPillars · CenterPoint · BEVDet等检测头与损失函数设计
3D目标检测基础PointPillars
08
3D跟踪基础
目标=跟踪范式 · 数据关联 · 卡尔曼滤波
3D跟踪基础目标=跟踪范式
09
BEV时序融合与3D跟踪结合
目标=特征级 · 检测级与轨迹级融合架构设计
BEV时序融合
10
数据关联进阶
目标=外观特征 · 运动预测 · 图神经网络与注意力关联方法
数据关联进阶目标=外观特征
11
轨迹管理
目标=轨迹初始化 · 确认 · 丢失
轨迹管理目标=轨迹初始化
12
评价指标
目标=MOTA · MOTP · AMOTA
评价指标MOTA
13
数据集与工具
目标=nuScenes · Waymo · Argoverse
数据集工具
14
实战一
目标=基于BEVDet的时序融合3D…
实战一BEVDet
15
实战二
目标=基于BEVFormer的时序注…
实战二BEVFormer
16
实战三
目标=多目标跟踪数据关联与轨迹管理模…
实战三目标=多目标跟踪…
17
实战四
目标=BEV时序融合模型部署与推理优… · ONNX）
实战四BEV
18
实战五
目标=3D跟踪系统端到端集成与实车/…
实战五目标=3D跟踪系…
19
常见问题一
目标=时序对齐误差 · 运动模糊与遮挡处理
常见问题一目标=时序对齐误…
20
常见问题二
目标=BEV特征漂移 · 时序累积误差与长尾场景
常见问题二BEV
21
常见问题三
目标=跟踪ID切换 · 误检漏检与轨迹碎片化
常见问题三ID
22
常见问题四
目标=多传感器时空同步与标定误差影响
常见问题四目标=多传感器时…
23
常见问题五
目标=计算资源受限下的实时性与精度平…
常见问题五目标=计算资源受…
24
综合提升一
目标=多模态融合（相机+激光雷达+雷…
综合提升一目标=多模态融合
25
综合提升二
目标=自监督与半监督学习在BEV时序…
综合提升二BEV
26
综合提升三
目标=端到端可学习跟踪与联合优化
综合提升三目标=端到端可学…
27
综合提升四
目标=大模型与BEV时序融合3D跟踪…
综合提升四BEV
28
综合提升五
目标=面向量产落地的工程化 · 功能安全与合规考量
综合提升五目标=面向量产落…
29
项目实战
目标=完整BEV时序融合3D跟踪系统…
项目实战BEV
30
课程总结
目标=知识体系回顾 · 前沿趋势 · 职业发展与持续学习路径
课程总结目标=知识体系回…