01
课程导论
仿真验证与实车数据对齐的意义、行业痛点、课程目标与学习路径
行业痛点学习路径
02
仿真基础
仿真环境搭建（MATLAB/Simulink、CarMaker）、仿真模型的基本构成
SimulinkCarMaker
03
实车数据采集
数据采集系统架构、传感器选型（GPS/IMU/摄像头/雷达）、CAN/LIN总线数据记录
传感器CAN/LIN
04
数据预处理
时间戳对齐、坐标系统一（车辆坐标系/世界坐标系）、数据清洗与插值
坐标转换插值
05
场景定义与提取
基于场景的测试方法、关键场景参数提取（速度、加速度、转向角）
场景参数测试方法
06
仿真模型校准
车辆动力学模型参数辨识、轮胎模型校准、制动/转向系统建模
参数辨识轮胎模型
07
传感器模型仿真
理想传感器模型 vs 高保真传感器模型、噪声与延迟注入
高保真噪声注入
08
控制算法在环测试
MIL/SIL/HIL概念、控制算法与仿真环境的接口对接
MILSILHIL
09
数据回放技术
OpenDRIVE/OpenSCENARIO标准、将实车数据转换为仿真场景
OpenDRIVE场景转换
10
评价指标体系
横向/纵向误差、均方根误差(RMSE)、最大绝对误差、相关性分析
RMSE相关性
11
对齐算法基础
动态时间规整(DTW)、互相关分析、卡尔曼滤波在数据对齐中的应用
DTW卡尔曼滤波
12
时间同步问题
时钟同步协议（PTP/）、时间戳漂移补偿、异步数据处理
PTP漂移补偿
13
空间对齐方法
坐标转换（WGS84到UTM）、SLAM建图与仿真地图匹配
WGS84SLAM
14
信号级对齐
信号滤波（低通/带通）、重采样策略、信号延迟补偿
滤波重采样
15
轨迹级对齐
轨迹相似度度量、Hausdorff距离、Frechet距离计算
HausdorffFrechet
16
感知系统对齐
目标检测结果对比（IoU、mAP）、跟踪轨迹对齐
IoUmAP
17
规划决策对齐
行为预测对比、路径规划一致性评估
行为预测路径规划
18
自动化对齐工具链
Python脚本实现批量对齐、自动化报告生成
Python自动化
19
案例实战1：ACC
ACC自适应巡航仿真与实车数据对齐
ACC自适应巡航
20
案例实战2：AEB
自动紧急制动(AEB)场景仿真验证
AEB紧急制动
21
案例实战3：LKA
车道保持辅助(LKA)系统对齐分析
LKA车道保持
22
案例实战4：自动泊车
自动泊车系统仿真与实车对比
自动泊车APA
23
案例实战5：NOA
城市道路NOA领航辅助驾驶对齐
NOA领航辅助
24
数据管理与版本控制
数据集标注、仿真与实车数据版本管理（DVC/Git LFS）
DVCGit LFS
25
不确定性量化
蒙特卡洛模拟、置信区间计算、对齐结果的可靠性评估
蒙特卡洛置信区间
26
合规与标准
ISO 26262功能安全、ISO 21448预期功能安全(SOTIF)、ASPICE
ISO 26262SOTIF
27
可视化与报告
使用Plotly/Matplotlib生成对比图表、HTML报告自动生成
PlotlyMatplotlib
28
持续集成与持续验证
将对齐流程集成到DevOps流水线 (CI/CV)
CI/CVDevOps
29
前沿技术
数字孪生、生成式AI在场景生成中的应用、大模型辅助数据分析
数字孪生生成式AI
30
课程总结与展望
常见陷阱总结、最佳实践、未来发展趋势
最佳实践趋势