課程大綱： 自動駕駛計算機視覺培訓(xùn)
一、簡介
1、自動駕駛的應(yīng)用：不同應(yīng)用場景（L2+或L3乘用車、robotaxi、robobus、干線物流、快遞、礦區(qū)碼頭等封閉場景）對自動駕駛功能的需求
2、自動駕駛的系統(tǒng)：自動駕駛的軟、硬件系統(tǒng)，背后的云服務(wù)、數(shù)據(jù)服務(wù)等
3、自動駕駛的技術(shù)棧：感知、定位、地圖、PnC等，以及每個技術(shù)方向依賴的基礎(chǔ)技術(shù)如：成像投影原理、特征提取、圖像匹配、目標檢測、深度估計、全景分割、深度學(xué)習(xí)、數(shù)據(jù)閉環(huán)等。
4、QA&交流&后續(xù)安排（30min）
二、關(guān)鍵技術(shù)講解
1、視覺感知
1.1目標檢測：重要的任務(wù)之一，模型結(jié)構(gòu)、訓(xùn)練策略、監(jiān)督信號等；QA（20min）
1.2目標跟蹤：預(yù)測、匹配、相似度計算；QA（10min）
1.3圖像分割：以車道線檢測為例講解模型設(shè)計；QA（10min）
1.4 其他任務(wù)：紅綠燈檢測、標志標牌識別、深度估計等
2、視覺定位
2.1相機標定：成像原理說明真實世界與圖像平面的關(guān)系
2.2特征提取：各種算子（SIFT、ORB）從圖像中提取關(guān)鍵角點信息進行匹配
2.3參數(shù)估計：從匹配的角點計算投影關(guān)系，如圖優(yōu)化等
2.4 QA（10min）
三、工程化落地與工具鏈建設(shè)
1 Cyber/Ros簡介：機器人基礎(chǔ)運行架構(gòu)
2深度學(xué)習(xí)模型部署：剪枝、量化、tensorrt、cuda等模型實時運行技術(shù)
3 深度學(xué)習(xí)模型研發(fā)閉環(huán)
3.1 數(shù)據(jù)閉環(huán)鏈路：所有跑車數(shù)據(jù)可落盤、可回盤、有標記、可查詢
3.2 數(shù)據(jù)挖掘&數(shù)據(jù)標注：尋找有價值的數(shù)據(jù)
3.3 case分析、可視化：可視化并分析、定位問題
4 仿真刷庫：積累足夠的case，驗證迭代過程中是否帶來其他負面影響
加入高級會員獲得助教答疑
