01
课程导论
道路边界感知的定义、重要性及在自动驾驶系统中的作用。
概念概述
02
传感器基础
用于边界感知的传感器（激光雷达、摄像头、毫米波雷达）原理与特性。
LiDARCameraRadar
03
坐标系与标定
车辆坐标系、世界坐标系、传感器标定与联合标定。
标定坐标变换
04
点云预处理
点云滤波、降采样、地面去除与感兴趣区域提取。
滤波降采样
05
图像预处理
图像去畸变、色彩空间转换、边缘检测与语义分割基础。
去畸变语义分割
06
基于激光雷达的道路边界检测
点云聚类、直线/曲线拟合、边界点提取。
聚类拟合
07
基于视觉的道路边界检测
车道线检测、可行驶区域分割、逆透视变换。
车道线IPM
08
多传感器融合
激光雷达与摄像头融合策略、时间戳对齐与空间对齐。
融合对齐
09
高精地图辅助
高精地图中的道路边界表示、地图匹配与更新。
HD Map匹配
10
边界状态估计
卡尔曼滤波、粒子滤波在边界跟踪中的应用。
卡尔曼粒子滤波
11
边界不确定性建模
噪声模型、遮挡处理、动态障碍物干扰。
不确定性遮挡
12
轨迹规划基础
路径规划与速度规划的基本概念、Frenet坐标系。
Frenet规划
13
安全裕度定义
横向安全裕度、纵向安全裕度、时间安全裕度。
横向纵向时间
14
基于边界的轨迹约束
硬约束与软约束、代价函数设计。
约束代价函数
15
碰撞检测模型
车辆包络模型、基于圆/矩形的碰撞检测。
包络碰撞
16
安全距离模型
基于制动距离、反应时间的安全距离计算。
制动反应时间
17
动态安全裕度
根据车速、路面附着系数、曲率调整裕度。
动态附着系数
18
不确定性传播
感知不确定性如何影响轨迹规划的安全裕度。
传播鲁棒性
19
鲁棒优化
考虑最坏情况的轨迹优化方法。
鲁棒最坏情况
20
模型预测控制
MPC在轨迹跟踪与安全约束中的应用。
MPC跟踪
21
势场法
人工势场法用于边界避让与安全走廊生成。
势场避让
22
采样方法
基于采样的轨迹规划（RRT、Lattice Planner）与安全校验。
RRTLattice
23
安全验证
可达性分析、形式化验证在轨迹安全中的应用。
可达性形式化
24
仿真测试
基于CARLA/Gazebo的边界感知与轨迹规划联合仿真。
CARLAGazebo
25
实车测试
数据采集、场景复现、评价指标（横向偏差、碰撞率）。
实车评价
26
评价指标
边界检测精度（IoU、F1-score）、轨迹安全裕度评估。
IoUF1
27
典型场景分析
弯道、匝道、施工区域、恶劣天气下的边界感知。
弯道匝道恶劣天气
28
系统架构设计
感知-规划-控制链路中的边界信息流设计。
架构信息流
29
工程实践
代码优化、实时性要求、嵌入式部署要点。
部署实时性
30
前沿与展望
端到端学习、鸟瞰视角表示、Transformer在边界感知中的应用。
BEVTransformer端到端