• 学习时长

    8周/建议每周至少10小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    课程配有作业/助教1V1讲评

  • 课程有效期

    一年/告别拖延,温顾知新

支持花呗分期

  • 1: 自动驾驶环境感知开课仪式-3.16.pdf
  • 第1章: 环境感知介绍
  • 2: 【课件】课程介绍.pdf
  • 第1节: 这节课我们讲什么
  • 免费 3: 【视频】这节课我们讲什么
  • 第2节: 概念:自动驾驶与环境感知
  • 免费 4-1: 【视频】自动驾驶是什么
  • 免费 4-2: 【视频】环境感知系统都由哪些传感器组成
  • 免费 4-3: 【视频】激光雷达与毫米波雷达必有一战
  • 第3节: 技术:传感器感知算法
  • 免费 5: 【视频】深度学习算法是否一统江湖了
  • 第4节: 行业:感知系统案例
  • 免费 6: 【视频】3种典型的环境感知方案
  • 第5节: 课程:传感器+算法+实践
  • 免费 7-1: 【视频】这门课程讲什么,怎么讲
  • 免费 7-2: 【视频】这门课程你会收获到什么
  • 第2章: 2D感知算法
  • 8: 【课件】基于相机的2D视觉感知.pdf
  • 第1节: 2D感知任务
  • 9: 【视频】2D感知任务
  • 第2节: 数据库和基准测试
  • 10: 【视频】数据库和基准测试
  • 第3节: 物体检测算法
  • 11-1: 【视频】R-CNN & SSD & YOLO
  • 11-2: 【视频】CenterNet算法原理
  • 11-3: 【视频】FCOS & CornerNet
  • 11-4: 【视频】CenterNet定性分析
  • 第4节: 物体跟踪算法
  • 12: 【视频】物体跟踪算法
  • 第5节: 语义分割算法
  • 13: 【视频】语义分割算法
  • 第6节: 作业
  • 14: 【作业】第二章
  • 15: L2 CenterNet实践说明.pdf
  • 16: 第二章实践代码 CenterNet-master.zip
  • 17: 环境感知第二章作业思路讲解-孙浩文.pdf
  • 第3章: 3D感知算法
  • 18: 【课件】3D视觉感知
  • 第1节: 基于单目的方法
  • 19: 【视频】3D感知任务
  • 第2节: 基于单目的3D感知
  • 20: 【视频】单目3D感知
  • 第3节: 基于双目的3D感知及PSMNet深度估计方法
  • 21: 【视频】双目3D感知
  • 第4节: 多目3D感知
  • 22: 【视频】多目3D感知
  • 第5节: 作业
  • 23: 【说明】PSMNet实践说明.pdf
  • 24: 【作业】第三章
  • 25: 第三章实践代码-PSMNet-master
  • 26: 环境感知第三章作业思路讲解-张娴静
  • 第4章: 激光雷达物体检测
  • 27: 【迭代课件】L4 激光雷达物体检测.pdf
  • 第1节: 基本概念
  • 28: 【视频】基本概念
  • 第2节: 点云数据库
  • 29: 【视频】点云数据库
  • 第3节: 基于点视图的物体检测
  • 30: 【视频】基于点视图的物体检测
  • 第4节: 基于俯视图的物体检测
  • 31: 【视频】基于俯视图的物体检测
  • 第5节: 基于前视图的物体检测
  • 32: 【视频】基于前视图的物体检测
  • 第6节: 基于多视图融合的物体检测
  • 33: 【视频】为什么需要多视图融合
  • 34: 【视频】基于俯视图与点视图融合的3D物体检测
  • 35: 【视频】基于俯视图与前视图融合的3D物体检测
  • 第7节: 总结
  • 36: 【视频】 总结
  • 第8节: 作业
  • 37: 第四章作业
  • 38: 第四章实践代码- OpenPCDet-master.
  • 39: 环境感知第一期在线答疑问题收集-图南南22.4.8-苏老师返回.docx
  • 40: 第四章作业思路讲解-助教陈飞
  • 第5章: 激光雷达语义分割
  • 41: 【课件】激光雷达语义分割
  • 第1节: 基本概念
  • 42: 【视频】基本概念
  • 第2节: 数据库和性能指标
  • 43: 【视频】数据库和性能指标
  • 第3节: 基于点云的语义分割
  • 44-1: 【视频】基于点云的语义分割:点视图的方法RandLA-Net
  • 44-2: 【视频】基于点云的语义分割:俯视图和前视图的方法
  • 第4节: 基于点云的实例分割
  • 45: 【视频】基于点云的实例分割
  • 第5节: 基于点云的全景分割
  • 46: 【视频】基于点云的全景分割
  • 第6节: 作业
  • 47: 【作业】第五章
  • 48: 第五章实践代码-RandLA-Net-pytorch-main.zip
  • 49: 环境感知第五章作业思路讲解-张娴静
  • 第6章: 毫米波雷达感知算法:传统方法
  • 50: 【课件】L6 基于传统方法的radar感知
  • 第1节: 雷达的概念和分类
  • 51: 【视频】雷达的概念和分类
  • 第2节: FMCW雷达信号解析
  • 52-1: 【视频】目标距离与速度估计
  • 52-2: 【视频】角度估计
  • 52-3: 【视频】4D成像雷达
  • 第3节: FMCW雷达数据形式
  • 53: 【视频】FMCW雷达数据形式
  • 第4节: 物体检测和跟踪
  • 54: 【视频】物体检测和跟踪
  • 第5节: 作业
  • 55-1: 【作业】第六章
  • 55-2: 【信号设计参考论文】Suleymanov_MA_EWI
  • 56: 环境感知第六章作业思路讲解-孙浩文
  • 第7章: 毫米波雷达感知算法:深度学习方法
  • 57: 【课件】L7 基于深度学习的毫米波雷达
  • 第1节: 数据表示和公开数据库
  • 58: 【视频】数据表示和公开数据库
  • 第2节: 稀疏点云+深度学习
  • 59: 【视频】稀疏点云+深度学习
  • 第3节: 稠密数据块+深度学习
  • 60-1: 【视频】RAD与RAMP-CNN方法
  • 60-2: 【视频】RODNet方法
  • 第4节: 本章总结
  • 61: 【视频】章节内容总结
  • 第5节: 作业
  • 62: 【作业】第七章
  • 63: 环境感知第七章作业思路讲解-张娴静
  • 64-1: 环境感知第一期直播分享答疑
  • 64-2: 4D毫米波雷达相关介绍

相关推荐

计算机视觉 三维视觉 环境感知 进阶
计算机视觉 智能机器人 环境感知 高级

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》