自动驾驶感知算法实战手册 · 课程目录

01 传感器基础与数据解析

相机·激光雷达·毫米波雷达·IMU/GNSS 原理与数据格式

02坐标系与标定

世界/车辆/相机/激光雷达坐标系转换 · 联合标定

03图像预处理

去噪·直方图均衡化·仿射/透视·图像金字塔

04点云预处理

体素/统计/半径滤波 · 降采样 · 地面去除

05目标检测基础

HOG+SVM · 滑动窗口 · NMS

06深度学习目标检测（一）

两阶段检测器 · Faster R-CNN 原理与实战

07深度学习目标检测（二）

单阶段检测器 · YOLO系列原理与实战

08深度学习目标检测（三）

基于点云的目标检测 · PointPillars / VoxelNet

09多模态融合目标检测

前融合·后融合·特征级融合策略与实战

10语义分割

DeepLab · UNet · PointNet++ 图像/点云语义分割

11实例分割

Mask R-CNN 原理与自动驾驶应用

12车道线检测

Canny+Hough · LaneNet · Ultra-Fast-Lane-Detection

13可行驶区域检测

语义分割与参数模型方法

14交通标志识别

LeNet · ResNet · MobileNet 轻量化分类

15目标跟踪（一）

单目标跟踪 · SORT / DeepSORT 原理与实战

16目标跟踪（二）

多目标跟踪MOT · 多传感器融合跟踪

17深度估计

单目深度估计 Monodepth2 · 双目深度估计

18光流与运动估计

Lucas-Kanade · RAFT 深度学习光流

193D目标检测（一）

单目图像3D检测 · Mono3D / FCOS3D

203D目标检测（二）

激光雷达3D检测 · PointRCNN / CenterPoint

213D目标检测（三）

多模态3D检测 · AVOD / F-PointNet

22鸟瞰图（BEV）感知

BEVFormer · LSS (Lift-Splat-Shoot) 原理与实战

23时序融合感知

时序信息检测与跟踪 · StreamPETR

24传感器故障诊断与冗余设计

数据完整性·健康监测·降级策略

25感知算法评估与数据集

KITTI · nuScenes · Waymo · mAP/ATE/AOE

26模型部署与优化（一）

量化INT8/FP16 · 剪枝 · 知识蒸馏

27模型部署与优化（二）

TensorRT · ONNX Runtime · 端侧推理

28感知系统架构设计

模块化 vs 端到端架构 · 设计实践

29仿真与数据闭环

CARLA · SUMO · 数据回放 · 自动标注

30前沿趋势与挑战

Occupancy Network · 世界模型 · 端到端感知