自动驾驶环境感知
体系课

自动驾驶环境感知

  • 机器学习
  • 深度学习
  • 计算机视觉
  • 汽车

全面学习自动驾驶底层算法,提升算法应用能力,学会算法优化

¥799.9
本课程包括
  • 27小时16分钟的视频随时观看
  • 可在APP随时观看
  • 结业证书
课程合作品牌
深蓝学院
你将收获
  • 熟悉环境感知在自动驾驶中的作用以及如何与其他上下游模块的互联
  • 了解环境感知技术的发展脉络和最新的趋势
  • 深刻体验不同传感器的优缺点以及如何互补
  • 掌握环境感知领域的经典算法以及量产中常用的算法
  • 掌握如何将算法与具体的应用项目相结合,以及如何解决实际场景中出现的问题

数千家企业正在使用三节课企业版学习

无限制学习5000+门课程,200+精选学习专题

免费申请体验>
课程介绍

环境感知是自动驾驶技术的核心组成部分,目前主流的感知方案主要分为纯视觉的路线以及视觉雷达融合的路线。

依托于摄像头、激光雷达、毫米波雷达,环境感知技术逐渐趋于成熟,并逐步量产落地。从知识的层面看,环境感知并不是新技术,更多的继承自计算机视觉,但计算机视觉的方法如何更有效地应用于自动驾驶场景,仍然具有较强的挑战性。

『自动驾驶环境感知」课程,系统性地梳理了分别基于相机、基于激光雷达、基于毫米波雷达的环境感知技术,细致解读针对量产应用最常用的算法,并通过实践项目帮助大家发现这些算法在实际应用中的优缺点,并对算法的改进给予启发性的思路或策略。

适合人群
  • 希望从事自动驾驶环境感知研发的在校生
  • 企业中人工智能算法设计与工程开发的工程师
  • 自动驾驶企业中其他方向的研发工程师
讲师介绍
专注人工智能与自动驾驶的学习平台
擅长领域:
  • 人工智能认知与应用
  • 深度学习
  • 机器学习
  • 计算机视觉
  • 自然语言处理(NLP)
1. 学院在2017年6月孵化于中国科学院自动化研究所,是国内领先的人工智能与机器人教育平台。目前70%师资力量来自企业一线的资深工程师,主要师资来自中国、新加坡、美国、德国等国家。 2. 学院始终致力于优质教研体系的探索、高质量课程体系的研发。以国际顶级院校的课程质量为标准,结合国内企业实际需求,学院在人工智能、机器人、自动驾驶等领域陆续推出了40余门高品质的课程。这使得学院在课程研发方面始终保持“人无我有、同课我优”的领先优势。 3. 学院重视服务体系建设,为学生建立了一个高度依赖性的交互式学习社群。此项服务体系确保学生在学习过程中得到全方位的支持与帮助,使得用户在学习过程中获得最佳的学习体验和成果。
LiDAR高级研发系统应用工程师
擅长领域:
  • 深度学习
  • 机器学习
知名Tier1高级算法工程师
擅长领域:
  • 深度学习
  • 机器学习
  • 计算机视觉
课程大纲
共0节 时长0分钟 全部收起
第1章:环境感知介绍
共5节 | 1小时57分钟
  • 1-1 课程简介
    1小时1分钟
  • 1-2 概念:自动驾驶与环境感知
    16分钟
  • 1-3 技术:传感器感知算法
    14分钟
  • 1-4 行业:感知系统案例
    7分钟
  • 1-5 课程:传或器-算法+实践
    20分钟
第2意:2D感知算法
共6节 | 5小时18分钟
  • 2-1 2D感知任务
    4分钟
  • 2-2 数据库和基准测试
    18分钟
  • 2-3 物体检测算法
    3小时35分钟
  • 2-4 物体跟踪算法
    13分钟
  • 2-5 语义分割算法
    27分钟
  • 2-6 实践:基于CenterNet的车辆和行人检测代码解析
    41分钟
第3章:3D感知算法
共5节 | 3小时26分钟
  • 导课
    14分钟
  • 3-1 基于单目的方法
    1小时23分钟
  • 3-2 基于双目或多目的方法
    45分钟
  • 3-3 多目3D感知
    27分钟
  • 3-4 实践:基于PSMNet的双目深度估计代码解析
    36分钟
第4章:激光雷达物体检测
共11节 | 5小时48分钟
  • 4-1 基本概念
    19分钟
  • 4-2 点云数据库
    16分钟
  • 4-3 基于点视图的物体检测
    24分钟
  • 4-4 基于俯视图的物体检测
    32分钟
  • 4-5 基于前视图的物体检测
    29分钟
  • 4-6 基于多视图融合的物体检测
    1小时14分钟
  • 4-6-1为什么需要多视图融合
    8分钟
  • 4-6-2 基于俯视图与点视图融合的3D物体检测
    47分钟
  • 4-6-3 基于俯视图与前视图融合的3D物体检测
    15分钟
  • 4-6-总结
    20分钟
  • 4-7 实践:基于PointPillar的3D物体检测代码解析
    1小时3分钟
第5章:激光雷达语义分割
共6节 | 3小时51分钟
  • 5-1 基本概念
    7分钟
  • 5-2 数据库和性能指标
    12分钟
  • 5-3 基于点云的语义分割
    1小时43分钟
  • 5-4 基于点云的实例分割
    22分钟
  • 5-5 基于点云的全景分割
    32分钟
  • 5-6 实践:基于RandLA-Net的点云语义分割代码解析
    55分钟
第6章:毫米波雷达感知算法:传统方法
共7节 | 3小时29分钟
  • 6-1 雷达的概念和分类
    13分钟
  • 6-2 FMCW雷达信号解祈
    56分钟
  • 6-2-1 目标距离与速度估计
    40分钟
  • 6-2-2 角度估计
    25分钟
  • 6-2-3 4D成像雷达
    23分钟
  • 6-3 FMCW雷达数据形式
    14分钟
  • 6-4 物体检测和跟踪
    36分钟
第7章:毫米波雷达感知算法:深度学习方法
共6节 | 3小时28分钟
  • 7-1 数据表示和公开数据库
    23分钟
  • 7-2 稀疏点云+深度学习
    28分钟
  • 7-3 稠密数据块+深度学习
    1小时10分钟
  • 7-3-1 基于稠密数据块的方法:RAD与RAMP-CNN
    31分钟
  • 7-3-2 基于稠密数据块的方法:RODNet
    40分钟
  • 7-3-3 基于稠密数据块的方法总结
    17分钟
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。