自动驾驶计算机视觉培训课程
Camera在自动驾驶中的感知和定位功能中发挥着重要的作用，本课程从自动驾驶的产品功能需求和计算机视觉技术出发，系统地、简明扼要地说明如何利用camera传感器通过计算机视觉、深度学习等技术实现自动驾驶的重要功能。

一、简介
1、自动驾驶的应用：不同应用场景（L2+或L3乘用车、robotaxi、robobus、干线物流、快递、矿区码头等封闭场景）对自动驾驶功能的需求
2、自动驾驶的系统：自动驾驶的软、硬件系统，背后的云服务、数据服务等
3、自动驾驶的技术栈：感知、定位、地图、PnC等，以及每个技术方向依赖的基础技术如：成像投影原理、特征提取、图像匹配、目标检测、深度估计、全景分割、深度学习、数据闭环等。
4、QA&交流&后续安排（30min）
二、关键技术讲解
1、视觉感知
1.1目标检测：最重要的任务之一，模型结构、训练策略、监督信号等；QA（20min）
1.2目标跟踪：预测、匹配、相似度计算；QA（10min）
1.3图像分割：以车道线检测为例讲解模型设计；QA（10min）
1.4 其他任务：红绿灯检测、标志标牌识别、深度估计等
2、视觉定位
2.1相机标定：成像原理说明真实世界与图像平面的关系
2.2特征提取：各种算子（SIFT、ORB）从图像中提取关键角点信息进行匹配
2.3参数估计：从匹配的角点计算投影关系，如图优化等
2.4 QA（10min）
三、工程化落地与工具链建设
1 Cyber/Ros简介：机器人基础运行架构
2深度学习模型部署：剪枝、量化、tensorrt、cuda等模型实时运行技术
3 深度学习模型研发闭环
3.1 数据闭环链路：所有跑车数据可落盘、可回盘、有标记、可查询
3.2 数据挖掘&数据标注：寻找有价值的数据
3.3 case分析、可视化：可视化并分析、定位问题
4 仿真刷库：积累足够的case，验证迭代过程中是否带来其他负面影响