01
动态障碍物追踪概述
什么是动态障碍物追踪？应用场景（自动驾驶、无人机避障、安防监控）、课程整体技术栈概览。
概览应用
02
坐标系与空间变换
世界坐标系、相机坐标系、图像坐标系、像素坐标系；刚体变换与齐次坐标。
坐标刚体变换
03
传感器基础
激光雷达(LiDAR)原理、毫米波雷达原理、深度相机（RGB-D）原理、传感器选型对比。
LiDAR雷达RGB-D
04
点云数据基础
点云数据结构（PCL/Open3D）、点云可视化、点云坐标系对齐。
PCLOpen3D
05
点云预处理
体素滤波降采样、统计滤波去噪、半径滤波去噪、直通滤波。
滤波降采样
06
地面分割
RANSAC平面拟合、基于高度阈值的地面分割、Patchwork++算法简介。
RANSACPatchwork++
07
点云聚类
欧几里得聚类、DBSCAN聚类、基于体素的聚类、超体素分割。
DBSCAN超体素
08
目标检测基础
基于传统方法的点云目标检测（模板匹配、特征描述子）、基于深度学习的点云目标检测概述 (PointNet, PointPillars)。
PointNetPointPillars
09
2D目标检测回顾
YOLOv8原理简介、YOLOv8在图像上的目标检测实践。
YOLOv82D检测
10
多传感器融合
相机与激光雷达联合标定、时间同步、空间对齐、融合策略（前融合/后融合）。
标定融合
11
目标跟踪基础
卡尔曼滤波原理（预测与更新）、状态向量设计、协方差矩阵。
卡尔曼状态估计
12
数据关联
匈牙利算法、马氏距离、IoU匹配、贪心匹配。
匈牙利IoU
13
多目标跟踪框架
SORT算法详解、DeepSORT算法详解、ByteTrack算法简介。
SORTDeepSORTByteTrack
14
3D多目标跟踪
AB3DMOT算法、基于PointPillars的3D跟踪。
AB3DMOT3D跟踪
15
运动预测
恒定速度模型（CV）、恒定加速度模型（CA）、恒定转弯率与速度模型（CTRV）、交互多模型（IMM）。
CVCACTRVIMM
16
轨迹管理
轨迹起始、轨迹确认、轨迹维持、轨迹消亡、轨迹ID管理。
生命周期ID管理
17
障碍物属性估计
速度估计、尺寸估计、朝向角估计、类别置信度融合。
属性融合
18
实时性优化
C++与Python混合编程、TensorRT加速、ONNX Runtime部署、多线程流水线设计。
TensorRTONNX多线程
19
ROS2基础
ROS2架构、节点、话题、服务、动作、Launch文件、Bag包录制与回放。
ROS2Bag
20
ROS2中的感知系统
点云消息类型 (sensor_msgs/LaserScan, PointCloud2)、可视化工具 (RViz2)。
PointCloud2RViz2
21
基于ROS2的追踪系统搭建
节点设计、话题通信、参数服务器、生命周期节点。
节点参数服务器
22
仿真环境搭建
Gazebo仿真器、CoppeliaSim仿真器、CARLA仿真器、自定义障碍物场景。
GazeboCARLACoppeliaSim
23
数据集与评估
KITTI数据集格式、nuScenes数据集、MOTChallenge、CLEAR MOT指标 (MOTA, MOTP, IDS, MT, ML)。
KITTInuScenesMOTA
24
模型训练与部署
PointPillars模型训练流程、模型导出为ONNX、TensorRT部署。
训练ONNXTensorRT
25
端到端系统集成
从传感器数据输入到障碍物轨迹输出的完整Pipeline。
Pipeline集成
26
边缘计算部署
NVIDIA Jetson平台、Intel RealSense、嵌入式优化技巧。
JetsonRealSense边缘
27
常见问题与调试
漏检、误检、ID Switch、轨迹断裂、延迟分析。
调试ID Switch
28
安全与冗余设计
故障检测、降级策略、多传感器冗余、看门狗机制。
冗余看门狗
29
前沿技术展望
端到端自动驾驶中的障碍物追踪、Transformer在追踪中的应用、BEV感知。
TransformerBEV
30
综合实战项目
基于ROS2的实时动态障碍物追踪系统开发（从需求分析到系统测试）。
实战ROS2