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。
课程将通过三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详解；
第二，视觉感知及与其他传感器融合；
第三，雷达与激光雷达的应用及融合。
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。
•通过实例掌握基于深度学习算法CNN与SVN的视觉识别技术，能够用于识别车道线、交通牌，车辆、行人与交通灯等物体。
•通过实例掌握视觉与雷达、超声波、里程计等传感器的融合在自动驾驶功能开发中的应用。
•通过实例掌握基于卡尔曼滤波的雷达与激光雷达的融合技术，并了解该融合技术在自动驾驶车辆定位模块中的应用。
•了解视觉、雷达与激光雷达前沿技术在工业界级别的自动驾驶/辅助驾驶领域的研发与应用趋势
讲师介绍
通用汽车（北美） 智能驾驶高级技术专家 王博士
美国北卡罗来纳州立大学博士，具有多年的自动驾驶技术研究和开发经验，是自动驾驶环境感知、路径规划与控制技术领域的资深专家。曾在通用汽车全球研发中心总部与本田汽车北美研发中心分别从事自动驾驶导航与控制技术研发和基于视觉与雷达的辅助驾驶功能开发。获得美国授权专利三项。在世界顶级的主机厂与互联网企业都有丰富的自动驾驶技术研发实战经验。对自动驾驶导航与控制技术及其在工业界的产品研发有深刻的理解。
第一天
一、动驾驶系统与各感知技术详解
1.1自动驾驶车辆系统构建及各模块功能介绍
1.2 视觉、超声波、雷达与激光雷达传感器的异同与分工
1.3 传感器融合技术（数据级融合、特征级融合、决策级融合）
1.4 融合技术在智能驾驶中的应用
第二天
二、视觉感知与深度学习
2.1 不同种类的摄像头（单目、双目与深度）在工程实践中的应用
2.2 基于视觉感知的物体识别算法
2.2.1 通过一个交通标志牌别案例掌握卷积神经网络(CNN)算法
2.2.2 通过一个车辆探测与追踪案例掌握支持向量机(SVM)算法
2.3 不同种类的摄像头（单目、双目与深度）在工程实践中的应用
2.4 视觉融合技术介绍
2.4.1 视觉与里程计的融合
2.4.2 觉与超声波的融合
2.4.3 视觉与毫米波雷达的融合
2.5 前沿深度学习视觉算法在汽车安全领域的应用
第三天
三、毫米波雷达与激光雷达的融合
3.1 不同种类的毫米波雷达与激光雷达在无人驾驶工程实践中的应用
3.2 基于卡尔曼滤波的融合算法
3.2.1 贝叶斯理论，高斯模型与卡尔曼滤波器原理介绍
3.2.2通过一个雷达与激光雷达融合案例掌握扩展卡尔曼滤波器（EKF）
和无损卡尔曼滤波器（UKF）算法，正确判断模拟环境中随机给出
的目标点的位置。
四、智能驾驶定位技术(扩展学习)
