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感知与激光雷达标定实战

📚 共计 30 章节

BEV感知技术概览 · 激光雷达在自动驾驶中的角色 · 标定的重要性

传感器基础

激光雷达工作原理（TOF、FMCW）· 点云数据格式（PCD、BIN）· 坐标系定义

坐标变换基础

刚体变换 · 旋转矩阵 · 欧拉角 · 四元数 · 齐次坐标

手眼标定原理

手眼标定问题建模（AX=XB）· 经典求解方法（Tsai、Park）

LiDAR与IMU标定

时间同步原理 · 空间同步方法 · 基于运动约束的标定

LiDAR与相机标定

联合标定板设计 · 角点提取 · PnP求解外参

多激光雷达重叠区域匹配 · NDT配准 · 全局优化

多雷达配准

标定工具与库

Autoware标定工具箱 · lidar_align · kalibr · 标定数据采集规范

标定质量评估

重投影误差 · 点云对齐误差 · 标定结果可视化验证

BEV感知基础

BEV网格表示 · 视角转换（IPM、逆透视映射）· BEV特征图

BEV感知经典方法

LSS（Lift-Splat-Shoot）· BEVDet · BEVFormer原理

点云BEV特征提取

VoxelNet · PointPillars · CenterPoint

多模态融合BEV

相机与LiDAR特征融合策略（早融合、晚融合、注意力融合）

融合多模态

时序BEV感知

时序融合方法 · 运动补偿 · 基于Transformer的时序建模

BEV感知中的目标检测

3D目标检测头设计 · 损失函数（Focal Loss、IoU Loss）

BEV感知中的语义分割

BEV语义分割网络 · 多任务学习

分割多任务

BEV感知中的轨迹预测

基于BEV的轨迹预测 · 交互建模

BEV感知部署

TensorRT加速 · ONNX导出 · 量化部署

标定数据采集实战

采集车搭建 · 数据采集流程 · 数据质量检查

标定数据处理实战

点云预处理（降采样、滤波）· 图像预处理（去畸变、校正）

预处理滤波

LiDAR-相机标定实战

使用Autoware进行联合标定 · 参数调优

多LiDAR标定实战

使用lidar_align进行多雷达标定 · 结果验证

多雷达lidar_align

BEV感知模型训练实战

数据集准备（nuScenes、Waymo）· 模型配置 · 训练流程

训练数据集

BEV感知模型评估实战

评估指标（mAP、NDS）· 可视化分析 · 错误分析

标定误差对BEV感知的影响

标定误差仿真 · 性能退化分析 · 鲁棒性测试

误差鲁棒性

在线标定技术

基于SLAM的在线标定 · 基于BEV感知的在线自标定

标定与感知的联合优化

端到端标定学习 · 可微渲染标定

4D毫米波雷达与LiDAR融合 · 固态激光雷达标定 · 无监督标定

综合项目实战

从零搭建BEV感知系统（标定+训练+部署）

课程总结与展望

技术栈回顾 · 行业应用案例 · 学习路径建议