01
课程导论与基础
障碍物检测概述 · 动态目标关联的意义 · 传感器介绍（激光雷达、相机、毫米波雷达） · 坐标系与坐标变换基础
概论传感器坐标变换
02
点云基础与预处理
点云数据结构（PCL/Open3D） · 体素滤波降采样 · 直通滤波 · 统计滤波去噪 · 点云可视化
PCLOpen3D滤波
03
点云分割与地面去除
RANSAC平面拟合 · 基于高度/角度的地面分割 · 欧几里得聚类 · DBSCAN聚类 · 区域生长分割
RANSACDBSCAN聚类
04
2D/3D障碍物检测
YOLO系列目标检测（2D） · PointPillars/PointRCNN（3D） · 检测框生成 · 非极大值抑制（NMS）
YOLOPointPillarsNMS
05
多目标跟踪基础
卡尔曼滤波原理（预测与更新） · 匈牙利算法（数据关联） · SORT算法详解 · DeepSORT算法详解
卡尔曼匈牙利SORT
06
动态目标关联实战
IoU与外观特征关联 · 轨迹管理（新建/删除/匹配） · ID分配与维持 · 遮挡处理策略
数据关联轨迹遮挡
07
多传感器融合
时间同步与空间对齐 · 激光雷达与相机融合（投影） · 融合检测策略 · BEV视角下的融合
融合BEV标定
08
高级话题与部署
基于Transformer的端到端检测与跟踪 · 模型轻量化（TensorRT/ONNX） · 嵌入式平台部署（Jetson） · 实车测试与调试
TransformerTensorRTJetson
09
项目实战：nuScenes/KITTI
基于nuScenes/KITTI数据集的完整感知pipeline搭建 · 性能评估（MOTA/MOTP/IDF1） · 常见问题与调优
nuScenesKITTIMOTA
10
课程总结与展望
当前技术瓶颈 · 未来趋势（Occupancy Network、端到端自动驾驶） · 学习路径推荐
趋势Occupancy路径
11
补充：点云特征与配准
点云特征提取（FPFH、SHOT） · 点云配准（ICP、NDT）
FPFHICPNDT
12
补充：语义与实例分割
语义分割（PointNet++、RandLA-Net） · 实例分割
PointNet++RandLA-Net实例
13
补充：光流与场景流
光流与运动估计 · 场景流
光流场景流运动
14
补充：基于学习的关联
基于学习的关联方法（GNN、注意力机制）
GNN注意力关联
15
补充：评估指标详解
多目标跟踪的评估指标详解（CLEAR MOT、HOTA）
CLEARHOTA指标
16
补充：传感器标定
相机内参 · 激光雷达-相机外参标定
内参外参标定
17
补充：高精地图与定位
高精地图与定位在感知中的作用
HD Map定位感知
18
补充：行为与轨迹预测
行为预测与轨迹预测（基于LSTM/Transformer）
LSTMTransformer预测
19
补充：决策规划与控制
决策规划与控制的简单介绍
决策规划控制
20
补充：ROS/ROS2应用
ROS/ROS2在自动驾驶感知中的应用
ROSROS2通信
21
补充：C++/Python混合编程
C++与Python混合编程在性能优化中的应用
C++Python性能
22
补充：数据增强与仿真
数据增强与仿真（CARLA、SUMO）
CARLASUMO仿真
23
补充：长尾与Corner Case
长尾问题与Corner Case处理
长尾Corner Case鲁棒
24
补充：联邦学习与隐私
联邦学习与数据隐私在自动驾驶中的应用
联邦学习隐私数据
25
补充：V2X车路协同
V2X车路协同感知
V2X车路协同感知
26
补充：事件相机应用
基于事件的相机（Event Camera）在高速检测中的应用
Event Camera高速检测
27
补充：4D毫米波雷达
4D毫米波雷达与成像雷达
4D雷达成像毫米波
28
补充：无监督/自监督学习
无监督/自监督学习在点云表示中的应用
自监督点云表示
29
补充：模型可解释性
模型可解释性在感知中的应用
可解释性XAI感知
30
课程大作业
搭建完整的障碍物检测与跟踪系统（从数据读取到可视化）
大作业系统实战