教學優勢
曙海教育的課程培養了大批受企業歡迎的工程師。大批企業和曙海
建立了良好的合作關系。曙海集團的課程在業內有著廣泛的美譽度和響亮的知名度。
本課程，秉承19年積累的教學品質，以項目實現為導向,老師將會與您分享設計的全流程以及工具的綜合使用經驗、技巧。
課程簡介：
自動駕駛感知算法培訓課程目標：
培訓大綱
?
| ?模塊? | 內容 |
| 自動駕駛感知算法激光感知（一）：激光雷達介紹 | 前言 |
| 1機械式激光雷達 | |
| 2半固態式激光雷達 | |
| 3純固態式激光雷達 | |
| 自動駕駛感知算法激光感知（二）：激光雷達標定 | 1激光雷達標定介紹 |
| 2.?標定算法介紹 | |
| 2.1?標定環境 | |
| 2.2?墻面、地面點云提取 | |
| 2.3?最小方差標定算法 | |
| 2.4?附錄–變換矩陣 | |
| 自動駕駛感知算法激光感知（三）：Faster-RCNN系列 | 綜述 |
| 1.?傳統算法流程 | |
| 2. Faster-RCNN系列算法流程 | |
| 3.?提取候選框方法介紹 | |
| 二、RCNN網絡 | |
| 1.?網絡介紹 | |
| 2.?算法流程 | |
| 3.?缺點 | |
| 三、SPPNet網絡 | |
| 1.?網絡改進 | |
| 四、Fast RCNN | |
| 五、Faster RCNN | |
| 1.?網絡改進 | |
| 2. RPN網絡介紹 | |
| 3.?代碼分析 | |
| 3.1.?數據集 | |
| 3.2.?網絡搭建 | |
| 六、AABB矩形相交判斷 | |
| 七、OBB旋轉矩形相交判斷 | |
| ? | |
| 自動駕駛感知算法激光感知（四）：點云聚類算法之DBSCAN | 一、DBSCAN介紹 |
| 二、算法流程 | |
| 三、算法改進 | |
| 四、KD-Tree | |
| 1.?構造 | |
| 2. leaf_size | |
| 3.?如何進行半徑搜索 | |
| 自動駕駛感知算法激光感知（五）：計算目標最小凸多邊形及航向角 | 一、點云凸包 |
| 格雷厄姆掃描算法流程 | |
| 二、車輛航向角 | |
| 1. PCA算法 | |
| 2.?凸多邊形最小外接矩形算法 | |
| 3. L-shape擬合算法 | |
| 自動駕駛感知算法基于實現項目應用 | 自駕車自動駕駛系統的體系結構一般分為感知系統和決策系統。感知系統一般分為許多子系統，負責自動駕駛汽車定位、靜態障礙物測繪、移動障礙物檢測與跟蹤、道路測繪、交通信號檢測與識別等任務。決策系統通常被劃分為許多子系統，負責諸如路徑規劃、路徑規劃、行為選擇、運動規劃和控制等任務。 |
練習
答疑
