01
仿真验证概述
自动驾驶感知算法仿真的意义、仿真与实车测试的对比、仿真验证的核心挑战。
概念基础
02
仿真平台选型
主流仿真平台对比（CARLA、SUMO、LGSVL、AirSim）、选型依据与适用场景。
平台对比
03
环境搭建与配置
CARLA安装与配置、Python API环境搭建、依赖库安装（NumPy, OpenCV, PyTorch）。
环境安装
04
传感器仿真基础
摄像头、激光雷达、毫米波雷达、GPS/IMU的仿真原理与数据格式。
传感器原理
05
传感器配置与标定
CARLA中传感器蓝图配置、内参外参设置、多传感器联合标定仿真。
标定配置
06
场景构建基础
静态场景（道路、建筑、交通标志）与动态场景（车辆、行人、自行车）的构建。
场景构建
07
天气与光照仿真
不同天气（晴天、雨天、雪天、雾天）与光照条件（白天、黄昏、夜晚）的模拟。
天气光照
08
交通流仿真
车辆行为模型（IDM、MOBIL）、行人随机游走模型、交通信号灯控制。
交通流模型
09
数据采集与存储
传感器数据同步采集、数据格式（KITTI格式、NuScenes格式）、数据存储策略。
数据存储
10
数据标注工具
开源标注工具（LabelImg, CVAT, Scalabel）的安装与使用、自动标注策略。
标注工具
11
感知算法部署 · 目标检测
目标检测算法（YOLOv5/8）在仿真环境中的部署与推理。
YOLO部署
12
感知算法部署 · 语义/实例分割
语义分割算法（DeepLabV3+）与实例分割算法（Mask R-CNN）的仿真部署。
分割Mask R-CNN
13
感知算法部署 · 3D目标检测
3D目标检测算法（PointPillars, CenterPoint）在激光雷达仿真数据上的部署。
3D检测激光雷达
14
感知算法部署 · 多目标跟踪
多目标跟踪算法（SORT, DeepSORT, ByteTrack）的仿真验证。
跟踪SORT
15
感知算法部署 · 车道线与可行驶区域
车道线检测算法（Ultra-Fast-Lane-Detection）与可行驶区域分割。
车道线区域分割
16
感知算法部署 · 多传感器融合
多传感器融合算法（前融合、后融合、特征级融合）的仿真验证。
融合多模态
17
评估指标体系
目标检测指标（mAP, Recall, Precision）、分割指标（mIoU）、跟踪指标（MOTA, IDF1）。
指标评估
18
自动化评估流程
构建自动化测试脚本、批量场景测试、结果汇总与可视化。
自动化脚本
19
对抗场景生成
对抗性场景（Corner Case）的自动生成方法（基于搜索、基于GAN）。
对抗Corner Case
20
鲁棒性测试
噪声注入（高斯噪声、椒盐噪声）、传感器故障模拟（丢帧、遮挡）。
鲁棒性噪声
21
泛化能力测试
跨场景泛化（城市到高速）、跨天气泛化、跨传感器配置泛化。
泛化迁移
22
实时性测试
端到端延迟测量、FPS测量、资源占用分析（CPU/GPU/内存）。
性能延迟
23
仿真与真值对比
仿真数据与真实数据的分布差异分析、Domain Gap的量化与缓解。
Domain Gap对比
24
闭环仿真验证
规划控制模块接入、感知-规划-控制闭环测试、安全性评估。
闭环规划控制
25
日志与回放系统
仿真日志记录、场景回放、故障复现与调试。
日志回放
26
大规模并行仿真
多进程/多机并行仿真架构、任务调度与资源管理。
并行调度
27
持续集成与持续测试
CI/CD流水线集成仿真测试、自动化回归测试。
CI/CD回归
28
仿真验证报告生成
自动化报告生成（HTML/PDF）、关键指标可视化、对比分析。
报告可视化
29
案例实战：YOLOv5仿真验证
基于CARLA的YOLOv5目标检测仿真验证全流程。
实战YOLOv5
30
前沿趋势与展望
神经辐射场（NeRF）仿真、生成式AI在仿真中的应用、数字孪生。
前沿NeRF