01
感知联调概述
工具链的定义、在自动驾驶中的角色、核心价值与目标。
概念全景
02
数据采集与标注
传感器数据采集规范、标注工具选型、数据质量检查。
数据标注
03
数据管理平台
数据存储架构、版本管理、数据检索与回放。
平台存储
04
算法开发环境
Docker容器化、依赖管理、代码版本控制（Git）。
环境DevOps
05
模型训练框架
PyTorch/TensorFlow环境搭建、训练脚本编写、日志与可视化。
训练框架
06
模型评估与验证
评估指标（mAP、IoU等）、验证集构建、离线评测流程。
评估指标
07
模型转换与优化
ONNX导出、TensorRT加速、量化与剪枝。
优化部署
08
仿真测试平台
场景构建、注入噪声、闭环测试。
仿真测试
09
实车部署与调试
嵌入式平台适配、性能调优、实车数据采集。
实车调试
10
联调流程总览
从数据到部署的完整链路、关键节点与里程碑。
流程里程碑
11
传感器标定
相机、激光雷达、毫米波雷达的内参和外参标定。
标定传感器
12
数据同步与时间戳
多传感器时间同步机制、硬件触发与软件对齐。
同步时间
13
数据预处理
去畸变、滤波、点云降采样、图像增强。
预处理滤波
14
目标检测模型训练
数据加载器编写、模型定义、损失函数与优化器。
检测训练
15
目标跟踪算法集成
卡尔曼滤波、匈牙利匹配、轨迹管理。
跟踪融合
16
语义分割模型部署
模型导出、后处理、性能评估。
分割部署
17
多传感器融合
前融合与后融合策略、决策级融合实现。
融合感知
18
可视化调试工具
Web端可视化、ROS RViz集成、日志分析。
可视化调试
19
性能分析工具
Profiling、内存泄漏检测、延迟分析。
性能分析
20
自动化测试框架
单元测试、集成测试、回归测试。
测试自动化
21
持续集成/持续部署（CI/CD）
Pipeline搭建、自动化构建与部署。
CI/CDPipeline
22
版本管理与回滚
模型版本控制、配置管理、快速回滚策略。
版本回滚
23
故障排查与日志分析
常见错误类型、日志分级、告警系统。
日志排障
24
安全与合规
数据脱敏、功能安全（ISO 26262）、预期功能安全（SOTIF）。
安全合规
25
OTA升级策略
差分升级、回滚机制、升级监控。
OTA升级
26
路测数据回放
数据录制、离线回放、场景提取。
路测回放
27
场景库建设
典型场景分类、Corner Case挖掘、场景泛化。
场景Corner Case
28
工具链集成测试
端到端流程验证、接口一致性检查。
集成测试
29
团队协作规范
代码Review、文档管理、知识库建设。
协作规范
30
未来趋势与展望
大模型在感知中的应用、端到端自动驾驶、工具链演进方向。
趋势前沿