01
课程导论与预备知识
点云滤波与感知融合协同调优的行业背景、应用场景、课程目标与学习路径。
导论预备
02
点云数据基础
点云数据格式（PCD, PLY, LAS）、点云坐标系与变换、点云可视化基础（Open3D/PCL）。
格式坐标系可视化
03
点云滤波基础
体素滤波、直通滤波、统计滤波的原理与对比。
体素直通统计滤波
04
点云滤波进阶
半径滤波、条件滤波、双边滤波的适用场景。
半径条件双边滤波
05
点云滤波实战
基于Open3D实现多滤波器级联管道，处理真实激光雷达数据（KITTI/nuScenes）。
Open3D级联KITTI
06
感知融合基础
多传感器融合架构（前融合、后融合、特征融合）、时间同步与空间对齐。
融合架构同步对齐
07
感知融合核心
相机-激光雷达联合标定原理、外参标定方法（手动/自动）、标定板设计。
标定外参标定板
08
感知融合实战
基于OpenCV+PCL实现相机与激光雷达的联合标定与投影。
OpenCVPCL投影
09
目标检测基础
基于点云的3D目标检测（PointPillars, VoxelNet）、基于图像的2D检测（YOLO, Faster R-CNN）。
3D检测2D检测PointPillars
10
目标检测实战
使用Open3D-ML或mmdetection3d运行预训练模型进行3D目标检测。
Open3D-MLmmdetection3d
11
感知融合中的滤波策略
滤波对检测精度的影响分析、滤波参数与融合性能的耦合关系。
影响分析耦合
12
协同调优概念
什么是协同调优？滤波参数与融合权重如何相互影响？调优目标与评价指标。
协同调优权重
13
评价指标体系
点云滤波质量评价（密度、保留率、噪声比），感知融合性能评价（mAP, MOTA, 延迟）。
评价指标mAPMOTA
14
协同调优方法论
网格搜索、随机搜索、贝叶斯优化在滤波-融合联合调优中的应用。
网格搜索贝叶斯优化
15
协同调优实战
基于Optuna或Hyperopt实现滤波参数与融合权重的联合优化。
OptunaHyperopt
16
数据驱动调优
使用强化学习（RL）或进化算法（GA）进行动态参数调整。
强化学习进化算法
17
场景自适应滤波
不同天气（雨、雾、雪）、不同道路（高速、城区、隧道）下的滤波策略自适应。
自适应天气道路
18
场景自适应融合
动态调整融合权重以适应场景变化（如低光照时增加激光雷达权重）。
动态权重低光照
19
实时性优化
点云滤波与感知融合的延迟分析、CUDA加速、TensorRT部署。
延迟CUDATensorRT
20
实时性实战
使用NVIDIA Triton或ONNX Runtime部署优化后的滤波-融合管道。
TritonONNX
21
鲁棒性分析
传感器故障（激光雷达丢帧、相机过曝）下的滤波与融合降级策略。
故障降级
22
鲁棒性实战
设计故障注入测试，验证协同调优后的系统鲁棒性。
故障注入鲁棒性
23
多目标优化
同时优化精度、召回率、延迟、功耗的Pareto前沿分析。
Pareto多目标
24
多目标优化实战
使用NSGA-II或MOEA/D进行多目标协同调优。
NSGA-IIMOEA/D
25
工程化落地
滤波-融合管道的模块化设计、配置化参数管理、日志与监控。
模块化配置化
26
工程化实战
基于ROS2或CyberRT搭建可配置的滤波-融合协同调优系统。
ROS2CyberRT
27
行业案例解析
Waymo、Cruise、百度Apollo中的滤波与融合策略分析。
WaymoApollo
28
前沿趋势
基于Transformer的点云滤波、端到端感知融合、神经辐射场（NeRF）与融合。
TransformerNeRF
29
综合项目实战
从原始传感器数据到最终感知输出的完整滤波-融合协同调优Pipeline。
完整Pipeline项目
30
课程总结与进阶路径
知识体系回顾、常见面试题解析、推荐论文与开源项目。
总结面试资源