自动驾驶环境感知

第1章：环境感知介绍 - 1-1 课程简介 - 1-2-1 概念：自动驾驶与环境感知 - 1-2-2概念：自动驾驶与环境感知 - 1-2-3概念：自动驾驶与环境感知 - 1-3 技术：传感器感知算法 - 1-4 行业：感知系统案例 - 1-5-1 课程：传或器-算法+实践 - 1-5-2 课程：传或器-算法+实践 第2意：2D感知算法 - 2-1 2D感知任务 - 2-2 数据库和基准测试 - 2-3-1 物体检测算法 - 2-3-2 物体检测算法 - 2-3-3物体检测算法 - 2-3-4 物体检测算法 - 2-3-5物体检测算法 - 2-4 物体跟踪算法 - 2-5 语义分割算法 - 2-6 实践：基于CenterNet的车辆和行人检测代码解析 第3章：3D感知算法 - 导课 - 3-1 基于单目的方法 - 3-2 基于双目或多目的方法 - 3-3 多目3D感知 - 3-4 实践：基于PSMNet的双目深度估计代码解析 第4章：激光雷达物体检测 - 4-1 基本概念 - 4-2 点云数据库 - 4-3 基于点视图的物体检测 - 4-4 基于俯视图的物体检测 - 4-5 基于前视图的物体检测 - 4-6 基于多视图融合的物体检测 - 4-6-1为什么需要多视图融合 - 4-6-2 基于俯视图与点视图融合的3D物体检测 - 4-6-3 基于俯视图与前视图融合的3D物体检测 - 4-6-总结 - 4-7 实践：基于PointPillar的3D物体检测代码解析 第5章：激光雷达语义分割 - 5-1 基本概念 - 5-2 数据库和性能指标 - 5-3 基于点云的语义分割（上） - 5-3 基于点云的语义分割（下） - 5-4 基于点云的实例分割 - 5-5 基于点云的全景分割 - 5-6 实践：基于RandLA-Net的点云语义分割代码解析 第6章：毫米波雷达感知算法：传统方法 - 6-1 雷达的概念和分类 - 6-2 FMCW雷达信号解祈 - 6-2-1 目标距离与速度估计 - 6-2-2 角度估计 - 6-2-3 4D成像雷达 - 6-3 FMCW雷达数据形式 - 6-4 物体检测和跟踪 第7章：毫米波雷达感知算法：深度学习方法 - 7-1 数据表示和公开数据库 - 7-2 稀疏点云＋深度学习 - 7-3 稠密数据块+深度学习 - 7-3-1 基于稠密数据块的方法：RAD与RAMP-CNN - 7-3-2 基于稠密数据块的方法：RODNet - 7-3-3 基于稠密数据块的方法总结