本课程提供开发和验证自动驾驶感知算法的实践经验。例子和练习演示使用适当的 MATLAB ® 和 Automated Driving System Toolbox™的功能。

内容包括：

• 真实数据的标注
• 传感器数据可视化
• 检测车道与车辆
• 处理激光雷达点云
• 追踪和传感器融合
• 生成驾驶场景和传感器建模

• 课程要求

  MATLAB 基础或使用 MATLAB 的同等经验。MATLAB 图像处理，计算机视觉和图像处理与计算机视觉的基本知识。MATLAB 深度学习作为推荐。

  详细提纲：

  真实数据的标注	目标：交互地在视频或图像序列中标注真实数据。使用检测结果和跟踪算法自动标注。 · Ground Truth Labeler 概述 · 标注 ROI（感兴趣区域）和场景 · 自动标注 · 查看/导出真实结果
  传感器数据可视化	目标：可视化相机帧、雷达和激光雷达检测结果。使用适当的坐标系将图像坐标变换为车辆坐标，反之亦然。 · 创建鸟瞰图 · 绘制传感器覆盖区域 · 可视化检测结果和车道 · 从车辆到图像坐标变换 · 使用检测结果和车道边界注释视频
  检测车道及车辆	目标：分割和建模抛物线形的车道。使用预训练的目标检测器检测车辆。 · 进行鸟瞰视图变换 · 检测车道特征 · 计算车道模型 · 使用真实数据验证车道检测结果 · 使用预训练的目标检测器检测车辆。
  处理激光雷达点云	目标：使用存储为三维点云的激光雷达数据。通过将点云分割成簇来导入、可视化和处理点云。配准点云数据并构建累积点云地图 · 导入和可视化点云 · 预处理点云 · 从激光雷达传感器数据中分离目标 · 从激光雷达传感器数据构建地图

  传感器融合和追踪	目标：创建一个多目标跟踪器以融合来自多个传感器的信息，如相机，雷达等。 · 跟踪多个目标 · 预处理检测结果 · Kalman 滤波 · 管理多个跟踪 · 使用多目标跟踪器进行跟踪
  追踪扩展目标	目标：创建概率假设密度跟踪器跟踪扩展对象并估计其空间范围。 · 定义传感器配置 · 追踪扩展目标 · 估计空间范围
  生成驾驶场景和传感器建模	目标：交互地创建驾驶场景和综合雷达/相机检测结果，测试自动驾驶感知算法。 · Driving Scenario Designer app概述 · 创建包含道路、参与者和传感器的场景 · 仿真和可视化场景 · 生成检测结果和导出场景 · 使用场景测试算法

   

•