首页
›
自动驾驶
›
006-传感器外参标定
›
《障碍物检测中的外参应用实战》
VIP20
本课程属于:006-传感器外参标定
自动驾驶 · 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
障碍物检测中的外参应用实战
📚 共计 30 章节
01
外参标定基础
什么是传感器外参?为什么障碍物检测需要外参?外参在感知系统中的角色。
概念
感知
02
坐标系入门
世界坐标系、车辆坐标系、相机坐标系、激光雷达坐标系、图像坐标系。
坐标
基础
03
刚体变换数学基础
旋转矩阵、平移向量、齐次坐标、欧拉角与四元数。
数学
变换
04
相机成像模型
针孔相机模型、内参矩阵、畸变模型(径向/切向)。
相机
内参
05
激光雷达原理
机械式与固态激光雷达、点云数据格式、强度信息。
LiDAR
点云
06
外参标定方法概览
目标法、自然特征法、在线标定与离线标定。
标定
综述
07
手动标定实践
基于RVIZ的可视化手动对齐方法。
RVIZ
手动
08
自动标定之棋盘格法
棋盘格角点检测、PnP求解、优化。
棋盘格
PnP
09
自动标定之互信息法
利用点云与图像的互信息进行无目标标定。
互信息
无目标
10
外参标定精度评估
重投影误差、点云投影一致性、标定板验证。
评估
精度
11
点云投影到图像
将3D点云通过外参投影到2D图像平面。
投影
融合
12
图像反投影到点云
从2D像素坐标生成3D射线,与点云关联。
反投影
关联
13
数据关联基础
最近邻匹配、匈牙利算法、IoU匹配。
匹配
关联
14
基于外参的ROI提取
利用相机检测结果在点云中提取感兴趣区域。
ROI
检测
15
基于外参的BEV视角生成
将前视图/点云转换为鸟瞰图。
BEV
鸟瞰
16
多传感器融合检测框架
前融合、后融合、特征融合策略。
融合
框架
17
外参在目标级融合中的应用
将相机2D检测框投影到3D空间。
目标级
投影
18
外参在特征级融合中的应用
点云BEV特征与图像特征的对齐。
特征级
对齐
19
外参在决策规划中的作用
障碍物位置映射到车辆坐标系。
决策
规划
20
时间同步与外参
时间戳对齐、插值方法、运动补偿。
时间同步
补偿
21
外参标定工具介绍
Apollo标定工具、Autoware标定工具、MATLAB标定工具箱。
工具
Apollo
22
实战:使用ROS进行外参发布与广播
tf树。
ROS
tf
23
实战:编写外参应用节点
C++/Python。
C++
Python
24
实战:基于外参的障碍物可视化
RVIZ。
可视化
RVIZ
25
实战:外参标定结果验证脚本编写
验证脚本。
验证
脚本
26
外参标定常见问题
标定板检测失败、初值敏感、退化场景。
问题
调试
27
外参在恶劣环境下的鲁棒性
震动、温度变化、长期漂移。
鲁棒性
环境
28
在线外参校正
基于SLAM的在线优化、基于车道线/地标的校正。
在线
校正
29
多雷达与多相机的外参
多传感器系统的联合标定。
多传感器
联合标定
30
未来趋势
端到端外参学习、无监督标定、传感器即插即用。
趋势
学习
所属VIP或分类
同VIP:BEV感知与激光雷达标定工程实践
同VIP:BEV感知中的外参标定工程实践
同VIP:传感器外参标定进阶训练