VIP20
本课程属于：167-NVIDIA DRIVE智能驾驶计算平台工程 智能汽车与新能源汽车工程 · 共 20 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

NVIDIA DRIVE多传感器感知系统集成与车载部署

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与系统总览
目标=NVIDIA DRIVE平台在… · 多传感器融合的必要性 · 课程目标与学习路径
课程导入系统总览
02
NVIDIA DRIVE硬件与计算平台解析
目标=DRIVE AGX/Orin/… · 传感器接口类型 · 车载部署的算力与功耗约束
NVIDIADRIVE
03
车载传感器特性与选型
目标=摄像头 · 激光雷达 · 毫米波雷达
车载传感器特性选型
04
传感器标定基础
目标=内参 · 外参 · 时间同步的概念
传感器标定基础目标=内参
05
多传感器时间同步与触发机制
目标=PTP · gPTP · 硬件触发
多传感器时间同步触发机制
06
NVIDIA DRIVE软件栈概览
目标=DriveWorks · DriveOS · TensorRT
NVIDIADRIVE
07
传感器数据采集与录制
目标=在DRIVE平台上配置摄像头 · 激光雷达 · 雷达数据流
传感器数据采集录制
08
摄像头图像预处理与畸变校正
目标=去畸变 · 去噪 · 白平衡
摄像头图像预处理畸变校正
09
激光雷达点云预处理
目标=点云滤波 · 地面分割 · 降采样
激光雷达点云预处…目标=点云滤波
10
毫米波雷达数据处理
目标=雷达点云/目标生成 · 多普勒补偿 · 坐标转换与噪声过滤
毫米波雷达数据处…目标=雷达点云
11
多传感器数据融合架构设计
目标=前融合 · 后融合 · 混合融合的对比
多传感器数据融合…目标=前融合
12
基于深度学习的2D目标检测
目标=在DRIVE上部署YOLO · Faster R-CNN等模型 · 使用TensorRT优化推理性能
基于深度学习的2…DRIVE
13
基于深度学习的3D目标检测
目标=PointPillars · CenterPoint · BEVFormer等模型在DRIVE…
基于深度学习的3…PointPillars
14
语义分割与可行驶区域检测
目标=在DRIVE上部署DeepLa… · UNet等模型 · 实现道路
语义分割可行驶区域检测
15
多传感器目标级融合实战
目标=将摄像头2D检测 · 激光雷达3D检测 · 雷达目标进行关联与融合
多传感器目标级融…目标=将摄像头2…
16
多传感器特征级融合实战
目标=BEV特征融合 · Transformer融合 · 点云-图像融合在DRIVE平台上的实…
多传感器特征级融…BEV
17
目标跟踪与轨迹预测
目标=基于融合感知结果的卡尔曼滤波 · 匈牙利匹配 · 轨迹预测在DRIVE上的部署
目标跟踪轨迹预测
18
感知结果可视化与调试
目标=使用DriveWorks可视化… · RViz · 自定义UI进行多传感器感知结果实时展…
感知结果可视化调试
19
DRIVE平台上的模型量化与优化
目标=FP16 · INT8量化 · 层融合
DRIVE平台上的模型量化
20
感知流水线的实时性与资源调度
目标=多线程 · CUDA流 · GPU/CPU任务分配
感知流水线的实时…资源调度
21
功能安全与冗余设计
目标=ISO 26262对感知系统的… · 传感器冗余 · 故障检测与降级策略在DRIVE上的实…
功能安全冗余设计
22
车载部署环境与系统集成
目标=DRIVE OS配置 · 容器化部署 · OTA更新
车载部署环境系统集成
23
多传感器感知系统测试与验证
目标=场景库构建 · 回放测试 · 硬件在环测试
多传感器感知系统…验证
24
感知性能评估指标
目标=mAP · IoU · MOTA
感知性能评估指标mAP
25
典型场景实战
目标=城市道路多目标感知：融合摄像头 · 激光雷达 · 雷达数据
典型场景实战目标=城市道路多…
26
典型场景实战
目标=高速公路自动驾驶感知 · 车道保持 · cut-in场景处理与DRIVE部署…
典型场景实战目标=高速公路自…
27
典型场景实战
目标=泊车与低速感知：超声波 · 环视摄像头 · 激光雷达融合
典型场景实战目标=泊车
28
多传感器感知系统的持续集成与数据闭环
目标=数据采集 · 标注 · 训练
多传感器感知系统…数据闭环
29
前沿技术展望
目标=端到端感知 · 大模型在车载感知中的应用 · NVIDIA DRIVE最新生态与未…
前沿技术展望目标=端到端感知
30
课程总结与项目实战
目标=综合运用所学 · 完成一个基于NVIDIA DRIVE…
课程总结项目实战