Udemy線上課程 自動駕駛環境感知 建立者:三節課 sanjieke 影音教學 中文發音 中文版(DVD版)
環境感知是自動駕駛技術的核心組成部分，目前主流的感知方案主要分為純視覺的路線以及視覺雷達融合的路線。
依託於攝像頭、激光雷達、毫米波雷達，環境感知技術逐漸趨於成熟，並逐步量產落地。
從知識的層面看，環境感知並不是新技術，更多的繼承自計算機視覺，但計算機視覺的方法如何更有效地應用於自動駕駛場景，仍然具有較強的挑戰性。
『自動駕駛環境感知」課程，系統性地梳理了分別基於相機、基於激光雷達、基於毫米波雷達的環境感知技術，細緻解讀針對量產應用最常用的算法，並通過實踐項目幫助大家發現這些算法在實際應用中的優缺點，並對算法的改進給予啟發性的思路或策略?
01 - 課程導讀
001 課程介紹.html
002 講師介紹.html
003 課程大綱.html
02 - 環境感知介紹
001 課程簡介.mp4
002 概念：自動駕駛與環境感知（1）.mp4
003 概念：自動駕駛與環境感知（2）.mp4
004 概念：自動駕駛與環境感知（3）.mp4
005 技術：傳感器感知算法.mp4
006 行業：感知系統案例.mp4
007 課程：傳或器-算法+實踐（1）.mp4
008 課程：傳或器-算法+實踐（2）.mp4
03 - 2D感知算法
001 2D感知任務.mp4
002 數據庫和基準測試.mp4
003 物體檢測算法（1）.mp4
004 物體檢測算法（2）.mp4
005 物體檢測算法（3）.mp4
006 物體檢測算法（4）.mp4
007 物體檢測算法（5）.mp4
008 物體跟蹤算法.mp4
009 語義分割算法.mp4
010 實踐：基于CenterNet的車輛和行人檢測代碼解析.mp4
04 - 3D感知算法
001 章節導課.mp4
002 基于單目的方法.mp4
003 基于雙目或多目的方法.mp4
004 多目3D感知.mp4
005 實踐：基于PSMNet的雙目深度估計代碼解析.mp4
05 - 激光雷達物體檢測
001 基本概念.mp4
002 點云數據庫.mp4
003 基于點視圖的物體檢測.mp4
004 基于俯視圖的物體檢測.mp4
005 基于前視圖的物體檢測.mp4
006 基于多視圖融合的物體檢測.mp4
007 為什麼需要多視圖融合.mp4
008 基于俯視圖與點視圖融合的3D物體檢測.mp4
009 基于俯視圖與前視圖融合的3D物體檢測.mp4
010 章節總結.mp4
011 實踐：基于PointPillar的3D物體檢測代碼解析.mp4
06 - 激光雷達語義分割
001 基本概念.mp4
002 數據庫和性能指標.mp4
003 基于點云的語義分割.mp4
004 基于點云的語義分割（1）.mp4
005 基于點云的語義分割（2）.mp4
006 基于點云的實例分割.mp4
007 基于點云的全景分割.mp4
07 - 毫米波雷達感知算法：傳統方法
001 雷達的概念和分類.mp4
002 FMCW雷達信號解祈.mp4
003 目標距離與速度估計.mp4
004 角度估計.mp4
005 4D成像雷達.mp4
006 FMCW雷達數據形式.mp4
007 物體檢測和跟蹤.mp4
08 - 毫米波雷達感知算法：深度學習方法
001 數據表示和公開數據庫.mp4
002 稀疏點云＋深度學習.mp4
003 稠密數據塊+深度學習.mp4
004 基于稠密數據塊的方法：RAD與RAMP-CNN.mp4
005 基于稠密數據塊的方法：RODNet.mp4
006 基于稠密數據塊的方法總結.mp4
09 - 課程回顧
001 課後寄語.html
|
|
您現在的位置：
專業知識教學
