VIP20

本课程属于：033-车道线检测 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

传感器标定与车道线精度

📚 共计 30 章节

传感器标定概述

什么是传感器标定？为什么标定是自动驾驶的基石？标定的核心目标与评价指标。

坐标系与空间变换

世界坐标系、车辆坐标系、相机坐标系、图像坐标系；刚体变换与齐次坐标。

坐标刚体变换

相机成像模型

针孔相机模型、畸变模型（径向畸变、切向畸变）、内参矩阵与外参矩阵。

相机内参标定

张正友标定法原理、棋盘格角点检测、单应性矩阵求解、内参优化。

张正友棋盘格

相机外参标定

相机到车辆坐标系的外参标定、手眼标定、基于PnP的外参估计。

手眼标定PnP

激光雷达原理与标定

激光雷达工作原理、点云数据格式、激光雷达内参标定（旋转轴、俯仰角校准）。

激光雷达-相机联合标定

联合标定的意义、基于标定板/自然特征的联合标定方法、投影误差最小化。

联合标定投影误差

毫米波雷达标定

毫米波雷达特性、安装位置校准、速度与角度偏差补偿。

毫米波偏差补偿

多传感器时空同步

时间同步（硬触发/软同步）、空间同步（外参统一）、同步精度对融合的影响。

时间同步空间同步

IMU与轮速计标定

IMU零偏与尺度因子、轮速计刻度因子、车辆运动学模型辅助标定。

标定场与自动化标定

标定场设计、自动化标定流程、在线标定与离线标定对比。

自动化标定场

标定精度评估方法

重投影误差、点云配准误差、绝对轨迹误差（ATE）、相对轨迹误差（RPE）。

车道线检测基础

车道线特征（颜色、边缘、宽度）、传统检测方法（Canny、Hough变换）。

基于深度学习的车道线检测

语义分割方法（SCNN、LaneNet）、关键点检测方法（PolyLaneNet）。

车道线实例分割与聚类

区分不同车道线实例、基于聚类/学习的方法、后处理技巧。

实例分割聚类

车道线拟合与建模

三次样条曲线、贝塞尔曲线、多项式拟合、曲率计算。

车道线跟踪与状态估计

卡尔曼滤波跟踪车道线参数、处理遮挡与虚线。

卡尔曼跟踪

车道线精度评价指标

横向偏差、纵向偏差、曲率误差、F1-score、IoU。

标定误差对车道线精度的影响

外参偏差导致的车道线投影偏移、内参畸变导致的弯曲失真。

投影偏移弯曲失真

标定误差传播分析

误差传递公式、蒙特卡洛模拟、敏感度分析。

蒙特卡洛敏感度

车道线精度优化策略

基于车道线特征的标定在线微调、重投影优化、平滑约束。

在线微调重投影

高精地图与车道线关联

高精地图中的车道线表示、地图匹配、标定辅助定位。

高精地图匹配

多传感器融合车道线检测

相机+激光雷达融合、相机+毫米波雷达融合、决策级与特征级融合。

融合决策级

车道线检测在L2/L3/L4中的不同要求

功能安全等级、冗余设计、性能边界。

L2/L3/L4功能安全

标定与车道线检测的工程化

ROS/CyberRT节点设计、数据录制与回放、自动化测试。

常见标定问题与排查

标定板不平整、光照变化、安装松动、时间戳不同步。

排查时间戳

车道线检测常见问题与排查

阴影干扰、磨损车道线、强光/逆光、雨雪天气。

鲁棒性天气

标定与车道线检测的仿真验证

CARLA/Gazebo仿真环境、注入标定误差、验证算法鲁棒性。

行业案例与最佳实践

特斯拉、Waymo、Mobileye的标定与车道线方案、开源工具（Kalibr、Apollo）。

特斯拉Kalibr

课程总结与未来趋势

在线自标定、端到端车道线检测、传感器融合新范式。

自标定端到端