自动驾驶环境感知资源介绍:
自动驾驶环境感知
环境感知是自动驾驶技术的核心组成部分，目前主流的感知方案主要分为纯视觉的路线以及视觉雷达融合的路线。依托于摄像头、激光雷达、毫米波雷达，环境感知技术逐渐趋于成熟，并逐步量产落地。从知识的层面看，环境感知并不是新技术，更多的继承自计算机视觉，但计算机视觉的方法如何更有效地应用于自动驾驶场景，仍然具有较强的挑战性。自动驾驶环境感知，系统性地梳理了分别基于相机、基于激光雷达、基于毫米波雷达的环境感知技术，细致解读针对量产应用最常用的算法，并通过实践项目帮助大家发现这些算法在实际应用中的优缺点，并对算法的改进给予启发性的思路或策略。
资源目录:
└─ 自动驾驶环境感知
├─ 自动驾驶环境感知开课仪式-3.16.pdf
├─ 第5章：激光雷达语义分割
│ ├─ 环境感知第五章作业思路讲解-.pdf
│ ├─ 第三节.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ L5 激光雷达语义分割.pdf
│ ├─ 第五节.mp4
│ ├─ RandLA-Net实践(1).pdf
│ ├─ L5 RandLA-Net-pytorch-main.zip
│ └─ 第一节.mp4
├─ 第3章 ：3D感知算法
│ ├─ PSMNet实践说明.pdf
│ ├─ 第三节.mp4
│ ├─ 环境感知第三章作业思路讲解-.pdf
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ 实践2任务.pdf
│ ├─ L3 PSMNet-master.zip
│ ├─ L3 3D视觉感知.pdf
│ ├─ 第一节.mp4
│ └─ PSMNet-master
│ ├─ run.sh
│ ├─ Test_img.py
│ ├─ README.md
│ ├─ LICENSE
│ ├─ submission.py
│ ├─ finetune.py
│ ├─ main.py
│ ├─ dataloader
│ ├─ models
│ ├─ utils
│ └─ dataset
├─ 第4章：激光雷达物体检测
│ ├─ L4 激光雷达物体检测 final.pdf
│ ├─ L4 OpenPCDet-master.zip
│ ├─ 作业思路讲解.mp4
│ ├─ 第三节.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ 第五节.mp4
│ ├─ PointPillars实践.pdf
│ ├─ 第六节.mp4
│ ├─ 环境感知第一期在线答疑问题收集-图南南22.4.8-苏老师返回.docx
│ └─ 第一节.mp4
├─ 第1章 ：环境感知介绍
│ ├─ 第五节-1.mp4
│ ├─ 第三节.mp4
│ ├─ 第五节-2.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节-3.mp4
│ ├─ 第二节-2.mp4
│ ├─ 第二节-1.mp4
│ ├─ L1 课程介绍.pdf
│ └─ 第一节.mp4
├─ 第2章 ：2D感知算法
│ ├─ 第三节.mp4
│ ├─ L2 基于相机的2D视觉感知.pdf
│ ├─ 第四节-1.mp4
│ ├─ 第四节-2.mp4
│ ├─ 2. 实践1任务 说明文档.pdf
│ ├─ 第二节.mp4
│ ├─ L2 CenterNet实践说明.pdf
│ ├─ L2 CenterNet-master.zip
│ ├─ 作业.png
│ ├─ 第五节.mp4
│ ├─ 环境感知第二章作业思路讲解-孙浩文.pdf
│ ├─ 第一节.mp4
│ └─ CenterNet-master
│ ├─ README.md
│ ├─ .gitignore
│ ├─ LICENSE
│ ├─ .travis.yml
│ ├─ NOTICE
│ ├─ requirements.txt
│ ├─ src
│ ├─ data
│ ├─ exp
│ ├─ readme
│ ├─ models
│ ├─ experiments
│ └─ images
├─ 第七章 毫米波雷达感知算法：深度学习方法
│ ├─ 第三节.mp4
│ ├─ 环境感知第七章作业思路讲解-.pdf
│ ├─ 第二节.mp4
│ ├─ 4D毫米波雷达相关介绍.pdf
│ ├─ L7 基于深度学习的毫米波雷达.pdf
│ ├─ 第七章作业讲解.mp4
│ ├─ RODNet实践任务.pdf
│ └─ 第一节.mp4
└─ 第6章：毫米波雷达感知算法：传统方法
├─ Suleymanov_MA_EWI.pdf
├─ 第三节.mp4
├─ L6 毫米波雷达传统方法.pdf
├─ 第四节.mp4
├─ 第二节.mp4
├─ project_fmcw_radar.rar
├─ 环境感知第六章作业思路讲解-孙浩文.pdf
└─ 第一节.mp4
└─ 4、自动驾驶环境感知
├─ 自动驾驶环境感知开课仪式-3.16.pdf
├─ 第5章：激光雷达语义分割
│ ├─ 环境感知第五章作业思路讲解-.pdf
│ ├─ 第三节.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ L5 激光雷达语义分割.pdf
│ ├─ 第五节.mp4
│ ├─ RandLA-Net实践(1).pdf
│ ├─ L5 RandLA-Net-pytorch-main.zip
│ └─ 第一节.mp4
├─ 第3章 ：3D感知算法
│ ├─ PSMNet实践说明.pdf
│ ├─ 第三节.mp4
│ ├─ 环境感知第三章作业思路讲解-.pdf
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ 实践2任务.pdf
│ ├─ L3 PSMNet-master.zip
│ ├─ L3 3D视觉感知.pdf
│ ├─ 第一节.mp4
│ └─ PSMNet-master
│ ├─ run.sh
│ ├─ Test_img.py
│ ├─ README.md
│ ├─ LICENSE
│ ├─ submission.py
│ ├─ finetune.py
│ ├─ main.py
│ ├─ dataloader
│ ├─ models
│ ├─ utils
│ └─ dataset
├─ 第4章：激光雷达物体检测
│ ├─ L4 激光雷达物体检测 final.pdf
│ ├─ L4 OpenPCDet-master.zip
│ ├─ 作业思路讲解.mp4
│ ├─ 第三节.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节.mp4
│ ├─ 第五节.mp4
│ ├─ PointPillars实践.pdf
│ ├─ 第六节.mp4
│ ├─ 环境感知第一期在线答疑问题收集-图南南22.4.8-苏老师返回.docx
│ └─ 第一节.mp4
├─ 第1章 ：环境感知介绍
│ ├─ 第五节-1.mp4
│ ├─ 第三节.mp4
│ ├─ 第五节-2.mp4
│ ├─ 第四节.mp4
│ ├─ 第二节-3.mp4
│ ├─ 第二节-2.mp4
│ ├─ 第二节-1.mp4
│ ├─ L1 课程介绍.pdf
│ └─ 第一节.mp4
├─ 第2章 ：2D感知算法
│ ├─ 第三节.mp4
│ ├─ L2 基于相机的2D视觉感知.pdf
│ ├─ 第四节-1.mp4
│ ├─ 第四节-2.mp4
│ ├─ 2. 实践1任务 说明文档.pdf
│ ├─ 第二节.mp4
│ ├─ L2 CenterNet实践说明.pdf
│ ├─ L2 CenterNet-master.zip
│ ├─ 作业.png
│ ├─ 第五节.mp4
│ ├─ 环境感知第二章作业思路讲解-孙浩文.pdf
│ ├─ 第一节.mp4
│ └─ CenterNet-master
│ ├─ README.md
│ ├─ .gitignore
│ ├─ LICENSE
│ ├─ .travis.yml
│ ├─ NOTICE
│ ├─ requirements.txt
│ ├─ src
│ ├─ data
│ ├─ exp
│ ├─ readme
│ ├─ models
│ ├─ experiments
│ └─ images
├─ 第七章 毫米波雷达感知算法：深度学习方法
│ ├─ 第三节.mp4
│ ├─ 环境感知第七章作业思路讲解-.pdf
│ ├─ 第二节.mp4
│ ├─ 4D毫米波雷达相关介绍.pdf
│ ├─ L7 基于深度学习的毫米波雷达.pdf
│ ├─ 第七章作业讲解.mp4
│ ├─ RODNet实践任务.pdf
│ └─ 第一节.mp4
└─ 第6章：毫米波雷达感知算法：传统方法
├─ Suleymanov_MA_EWI.pdf
├─ 第三节.mp4
├─ L6 毫米波雷达传统方法.pdf
├─ 第四节.mp4
├─ 第二节.mp4
├─ project_fmcw_radar.rar
├─ 环境感知第六章作业思路讲解-孙浩文.pdf
└─ 第一节.mp4
