首页
›
自动驾驶
›
029-感知融合
›
《高精地图与定位融合应用实战》
VIP20
本课程属于:029-感知融合
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
高精地图与定位融合应用实战
📚 共计 30 章节
01
课程导论
高精地图与定位融合技术全景图 · 行业现状与未来趋势 · 课程大纲与学习方法
全景
趋势
02
高精地图基础
什么是高精地图 · 与传统导航地图的区别 · 要素与分层 (车道线/路沿/交通标志)
要素
分层
03
高精地图数据标准
NDS · OpenDRIVE · Apollo OpenDRIVE 格式详解与对比
NDS
OpenDRIVE
04
高精地图采集与制作
采集车硬件配置 · 点云与图像采集流程 · 自动化与人工标注
采集车
标注
05
高精地图更新机制
众包更新 · 专业测绘更新 · OTA 更新策略与挑战
众包
OTA
06
定位技术概述
GNSS · IMU · 轮速计 · 视觉 · 激光雷达定位原理与优缺点
多传感器
原理
07
GNSS 定位原理
伪距定位 · 载波相位定位 · RTK 差分定位原理与精度分析
RTK
差分
08
IMU 惯性导航
加速度计与陀螺仪原理 · 捷联惯导解算 · IMU 误差模型与标定
捷联惯导
标定
09
多传感器融合基础
卡尔曼滤波 (KF) · 扩展卡尔曼滤波 (EKF) · 无迹卡尔曼滤波 (UKF) 原理
EKF
UKF
10
粒子滤波
蒙特卡洛定位 (MCL) · 自适应粒子滤波在高维空间中的应用
MCL
粒子滤波
11
地图匹配定位
ICP · NDT 点云配准算法原理与实现
ICP
NDT
12
基于高精地图的定位
利用车道线、路标进行视觉定位 · 语义定位
语义定位
视觉
13
GPS+IMU+轮速计融合
松耦合与紧耦合架构 · 误差状态卡尔曼滤波 (ESKF)
ESKF
紧耦合
14
激光雷达+IMU+高精地图融合
LIO-SAM · FAST-LIO 等主流框架解析
LIO-SAM
FAST-LIO
15
视觉+IMU+高精地图融合
VINS-Mono · ORB-SLAM3 与地图结合
VINS
ORB-SLAM3
16
多传感器时空同步
硬件同步 (PPS、GPRMC) · 软件同步 (时间戳对齐、插值)
PPS
同步
17
坐标系与坐标转换
WGS84 · UTM · ENU · 车身坐标系 · 传感器坐标系转换
坐标转换
ENU
18
高精地图在规划中的应用
车道级路径规划 · 变道决策 · 速度规划
路径规划
变道
19
高精地图在控制中的应用
预瞄控制 · 曲率前馈 · 横向控制
预瞄
前馈
20
定位系统评估
绝对精度 · 相对精度 · 鲁棒性测试 · 闭环测试方法
精度
鲁棒性
21
定位故障诊断与降级
传感器失效检测 · 降级策略 (GNSS 丢星、IMU 饱和)
降级
故障
22
高精地图与定位的仿真
CARLA · LGSVL · SUMO 联合仿真环境搭建
CARLA
SUMO
23
开源框架实战·Apollo
Apollo 高精地图模块与定位模块源码分析
Apollo
源码
24
开源框架实战·Autoware
Autoware 高精地图与 NDT 定位应用
Autoware
NDT
25
数据驱动定位
深度学习端到端定位 · 位姿回归网络
端到端
位姿回归
26
语义地图构建
基于深度学习的车道线、路标语义地图构建
语义地图
深度学习
27
车路协同定位
V2X 辅助定位 · 路侧单元 (RSU) 增强定位
V2X
RSU
28
行业案例·Robotaxi
高精地图与定位方案解析 (Waymo、百度 Apollo)
Waymo
Apollo
29
行业案例·干线物流与港口
高速干线物流与港口无人驾驶定位方案
物流
港口
30
课程总结与未来展望
无图化趋势 · 众包地图 · 高精定位芯片发展
无图化
芯片
所属VIP或分类
同VIP:PCL点云滤波算法开发与评估
同VIP:PCL点云滤波算法选型与参数优化
同VIP:传感器标定全流程精讲