01
BEV感知概述
BEV感知的定义、优势、应用场景（自动驾驶/机器人）及主流方案（LSS、Transformer-based）
基础概念
02
环境搭建
Ubuntu配置 · NVIDIA驱动/CUDA · Docker · PyTorch & MMDetection3D
环境工具
03
数据集准备
nuScenes介绍 · 下载解压 · 预处理流程 · 生成BEV标注文件
数据nuScenes
04
数据加载器实现
自定义Dataset · BEV增强（翻转/旋转/缩放） · 多模态融合加载
数据Dataloader
05
BEV网格与坐标系
自车/相机/世界坐标系 · BEV网格生成 · 内外参矩阵解析
几何坐标
06
LSS原理详解
Lift-Splat-Shoot · 深度分布估计 · 视锥点云 · Splat操作
LSS原理
07
LSS模型搭建
EfficientNet特征提取 · 深度预测 · BEV池化 · 前向推理
模型LSS
08
LSS模型训练
损失函数（分类/回归） · 优化器 · 学习率调度 · 训练脚本
训练LSS
09
LSS模型评估
mAP · NDS · 可视化评估工具 · 性能分析
评估指标
10
Transformer基础
Attention机制 · Multi-Head Attention · Positional Encoding · Encoder/Decoder
Transformer基础
11
BEVFormer原理
Temporal Self-Attention · Spatial Cross-Attention · 可变形注意力 · BEV Query
BEVFormer注意力
12
BEVFormer模型搭建
Backbone · Neck · Transformer Encoder · Detection Head
模型BEVFormer
13
BEVFormer训练技巧
预训练加载 · 梯度累积 · 混合精度 · 分布式训练
训练技巧
14
ONNX模型导出
PyTorch转ONNX · 动态轴 · 算子兼容 · 模型验证
ONNX导出
15
TensorRT加速
TensorRT安装 · FP16/INT8量化 · Engine序列化 · 动态shape
TensorRT加速
16
模型剪枝与蒸馏
结构化/非结构化剪枝 · 知识蒸馏原理 · 蒸馏训练实践
剪枝蒸馏
17
C++部署环境
CMake工程 · TensorRT C++ API · CUDA编程 · 自定义算子
C++部署
18
推理引擎封装
引擎接口设计 · 预处理/后处理模块 · Profiling工具
引擎封装
19
多线程流水线
生产者-消费者 · 线程池 · 异步推理 · 延迟与吞吐优化
多线程流水线
20
可视化与调试
BEV可视化工具 · 点云与图像融合 · 推理结果Debug
可视化调试
21
嵌入式平台部署
Jetson Orin · TensorRT on Jetson · 功耗平衡 · 交叉编译
嵌入式Jetson
22
模型量化实战
PTQ/QAT流程 · 校准数据集 · 量化精度损失分析
量化PTQ
23
多相机同步
硬件/软件同步 · 时间戳对齐 · 数据融合策略
多相机同步
24
BEV感知评测
nuScenes评测服务器 · 提交格式 · 排行榜 · 错误分析
评测nuScenes
25
端到端方案
UniAD架构 · Planning/Control模块 · 端到端训练挑战
端到端UniAD
26
Occupancy Network
Occupancy预测 · 3D体素 · OccFormer · 语义占用
Occupancy3D
27
部署优化技巧
算子融合 · 内存复用 · CUDA Graph · Kernel Auto-Tuning
优化部署
28
模型安全与鲁棒性
对抗防御 · OOD检测 · 传感器故障 · 冗余设计
安全鲁棒
29
项目实战
从零搭建BEV感知系统 · 数据到部署全流程 · 性能调优
实战全流程
30
前沿趋势
Mamba+BEV · 世界模型 · 端到端自动驾驶 · 未来挑战
前沿趋势