课程介绍
自动驾驶与辅助驾驶车辆的诸多功能的实现，大都依赖以传感器硬件为基础的感知技术来收集外界环境的信息。出于性能、成本与应用场景的考虑，多种感知技术通常会并存于同一自动驾驶系统之中。各种感知技术的单独与相互间融合的探测效果，都直接影响了自动驾驶的定位、轨迹规划与控制等各环节技术的实现。本课程旨在帮助自动驾驶行业的从业者，包括研究员，工程师，产品经理等，从完整的自动驾驶系统的高度来理解掌握各种传感器，如视觉、雷达、激光雷达等的基础和在工业界中实用的技术；以及传感器的融合技术，如视觉与雷达的融合，雷达与激光雷达的融合等的基础知识及在具体产品开发中的应用。
课程将通过二天的学习涵盖以下三部分内容：
第一，自动驾驶系统与各感知技术的架构搭建；
第二，激光雷达的点云提取和目标追踪；
第三，激光雷达与毫米波、视觉算法的融合。
培训目标
•掌握自动驾驶系统架构，视觉\雷达\激光雷达等传感器的技术特点及与其他模块的关联。
•掌握激光雷达、毫米波雷达、视觉、IMU等传感器的离线和在线标定技术。
•通过实例掌握激光雷达的点云识别、目标跟踪以及与其他传感器融合技术。
•通过实例掌握激光雷达、毫米波雷达、视觉和IMU的融合算法
•通过实例掌握数据融合的性能评价体系及其KPI验证方法
讲师介绍
环境感知算法技术专家 刘老师
数据专业学士，中国科学技术大学计算机专业硕士，十年技术开发经验，曾负责通用汽车研发中心环境感知技术的量产开发项目，曾担任大型央企的毫米波雷达开发算法技术专家。熟悉智能驾驶感知系统构建，独立完成激光雷达点云数据处理，目标跟踪算法，熟悉激光雷达SLAM定位技术，熟悉ROS操作系统，能够基于TensorFlow框架实现单目视觉目标检测，比较YOLO，faster RCNN和SSD等网络性能，熟悉Velodyne等品牌的激光雷达，及其与IMU，毫米波雷达，视觉传感器融合算法技术。
由于刘老师在计算机视觉、激光雷达和毫米波雷达产品开发方面均有项目实践经验，使得其在多传感器数据融合开发过程中能够驾驭各种传感器的特性，将激光雷达SLAM技术，视觉检测技术和微波技术充分的与算法结合，达到最优的性能，并能进行车规级需求的量产性能评价。
