七月在線無人駕駛實戰 百度雲 百度網盤

課程內容

第一階段 掌握自動駕駛基礎

第一課 自動駕駛概述

知識點1： 自動駕駛趨勢分析

知識點2： 自動駕駛技術路線圖和技術棧

知識點3： 自動駕駛各模塊概述

知識點4： 硬件基礎：感知傳感器（激光雷達、毫米波雷達、超聲波、相機）、GNSS系統、工控機、車輛底盤

第二課 軟件環境基礎（ROS CMake）

知識點1： CMake經常使用指令與實戰案例

知識點2： Docker入門基礎

知識點3： ROS基本概念和原理

知識點4： Rviz, Gazebo仿真器

實戰項目： 編寫一個的ROS nodes

第二階段 掌握自動駕駛感知能力

第三課 感知基礎

知識點1： 各傳感器感知（視覺感知 激光雷達 毫米波雷達）

知識點2： 經常使用檢測算法

知識點3： 經常使用跟蹤算法

第四課 感知實戰：目標檢測

實戰項目： 1：車輛行人檢測（基於Python）：搭建python版本tensorflow環境、運行檢測demo並作源碼分析（運行瓶頸）、優化檢測demo用於目標檢測

實戰項目： 2：根據python版本改寫C++版本：C++版本的必要性、tensorflow架構簡介、bazel編譯tensorflow C++庫、bazel基本介紹、根據python接口編寫C++版前向傳播接口

第五課 感知實戰：物體跟蹤

實戰項目： 1：加入跟蹤算法賦予ID信息

實戰項目： 2：加入分割算法獲取mask (mask後處理的源碼分析及C++動手實現）

實戰項目： 3：基於激光雷達數據的感知

第六課 視覺定位

知識點1： 視覺SLAM基本介紹：VO LocalMap LoopClosing

實戰項目： 1：ORB-SLAM2實現視覺定位、並使用ROS可視化定位效果

第三階段 自動駕駛地圖和定位系統

第七課 高精地圖與車路協同設備

知識點1： 高精地圖原理與標準

知識點2： 製圖流程

知識點3： V2X設備原理和功能介紹

第八課 無人車定位系統

知識點1： 定位系統的座標系

知識點2： IMU航跡定位理論

知識點3： GNSS、UWB電子信號定位理論

實戰項目： 1：定位融合算法實戰（Kalman Filter應用）

第四階段 決策規劃控制系統

第九課 預測系統

知識點1： 預測建模：特徵工程、模型選擇、後處理

知識點2： RNN模型

知識點3： 行人預測，車輛預測

實戰項目： 1：使用Apollo Scape數據集進行預測模型訓練

第十課 路徑規劃

知識點1： 路徑規劃問題概述

知識點2： 搜索算法原理：A*、DP算法

知識點3： 速度規劃與體感優化：QP算法

知識點4： 二維規劃算法：Lattice

第十一課 控制理論

知識點1： 車輛底盤介紹：剎車油門結構、線控系統原理、車輛報文

知識點2： 車輛動力學建模

知識點3： 控制器模型設計：PID、最優控制器、模型預測控制

實戰項目： 1：使用Simulator搭建高實時控制器

第五階段 強化學習自動駕駛系統

第十二課 基於強化學習的自動駕駛系統

知識點1： 強化學習原理

知識點2： End2End自動駕駛系統介紹

知識點3： 基於強化學習的路徑規劃方法

實戰項目： 1：MIT DeepTraffic仿真考試實戰

獲取資料的同窗請加VX：itnaer