限时特价 :
¥899
原价 : ¥999.00
限时特价
剩余名额
剩余名额
18
-
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,温故知新
- 第1章: 环境感知介绍
- 第1节: 这节课我们讲什么
- 第2节: 概念:自动驾驶与环境感知
- 第3节: 技术:传感器感知算法
- 第4节: 行业:感知系统案例
- 第5节: 课程:传感器+算法+实践
- 第6节: 如何使用免费的GPU资源
- 第2章: 2D感知算法
- 第1节: 2D感知任务
- 第2节: 数据库和基准测试
- 第3节: 物体检测算法
- 第4节: 物体跟踪算法
- 第5节: 语义分割算法
- 第6节: 作业
- 第3章: 3D感知算法
- 第1节: 基于单目的方法
- 第2节: 基于单目的3D感知
- 第3节: 基于双目的3D感知及PSMNet深度估计方法
- 第4节: 多目3D感知
- 第5节: 作业
- 第4章: 激光雷达物体检测
- 第1节: 基本概念
- 第2节: 点云数据库
- 第3节: 基于点视图的物体检测
- 第4节: 基于俯视图的物体检测
- 第5节: 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
- 第7节: 总结
- 第8节: 作业
- 第5章: 激光雷达语义分割
- 第1节: 基本概念
- 第2节: 数据库和性能指标
- 第3节: 基于点云的语义分割
- 第4节: 基于点云的实例分割
- 第5节: 基于点云的全景分割
- 第6节: 作业
- 第6章: 毫米波雷达感知算法:传统方法
- 第1节: 雷达的概念和分类
- 第2节: FMCW雷达信号解析
- 第3节: FMCW雷达数据形式
- 第4节: 物体检测和跟踪
- 第5节: 作业
- 第7章: 毫米波雷达感知算法:深度学习方法
- 第1节: 数据表示和公开数据库
- 第2节: 稀疏点云+深度学习
- 第3节: 稠密数据块+深度学习
- 第4节: 总结
- 第5节: 作业
- 第8章: 【补充】Apollo感知预测模块仿真实验
- 第1节: 激光雷达感知
- 第2节: 相机感知
- 第3节: 融合感知
理由三:理论结合实践,扎实所学
项目一
基于CenterNet的车辆和行人检测
项目二
基于PSMNet的双目深度估计
项目三
基于PointPillar的3D物体检测
项目四
基于RandLA-Net的点云语义分割
项目五
FMCW雷达数据模拟以及运动目标解析
项目六
底层数据的可视化和分析