曙海教学优势
曙海培训的课程培养了大批受企业欢迎的工程师。大批企业和曙海
建立了良好的合作关系。曙海培训的课程在业内有着响亮的知名度。
本课程，秉承二十一年积累的教学品质，以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用经验、技巧。
培训大纲：
|
模块 |
内容 |
|
自动驾驶感知算法激光感知（一）：激光雷达介绍 |
前言 1机械式激光雷达 2半固态式激光雷达 3纯固态式激光雷达 |
|
自动驾驶感知算法激光感知（二）：激光雷达标定 |
1激光雷达标定介绍 2. 标定算法介绍 2.1 标定环境 2.2 墙面、地面点云提取 2.3 最小方差标定算法 2.4 附录–变换矩阵 |
|
自动驾驶感知算法激光感知（三）：Faster-RCNN系列 |
综述 1. 传统算法流程 2. Faster-RCNN系列算法流程 3. 提取候选框方法介绍 二、RCNN网络 1. 网络介绍 2. 算法流程 3. 缺点 三、SPPNet网络 1. 网络改进 四、Fast RCNN 五、Faster RCNN 1. 网络改进 2. RPN网络介绍 3. 代码分析 3.1. 数据集 3.2. 网络搭建 六、AABB矩形相交判断 七、OBB旋转矩形相交判断 |
|
自动驾驶感知算法激光感知（四）：点云聚类算法之DBSCAN |
一、DBSCAN介绍 二、算法流程 三、算法改进 四、KD-Tree 1. 构造 2. leaf_size 3. 如何进行半径搜索 |
|
自动驾驶感知算法激光感知（五）：计算目标最小凸多边形及航向角 |
一、点云凸包 格雷厄姆扫描算法流程 二、车辆航向角 1. PCA算法 2. 凸多边形最小外接矩形算法 3. L-shape拟合算法 |
|
自动驾驶感知算法基于实现项目应用 |
自驾车自动驾驶系统的体系结构一般分为感知系统和决策系统。感知系统一般分为许多子系统，负责自动驾驶汽车定位、静态障碍物测绘、移动障碍物检测与跟踪、道路测绘、交通信号检测与识别等任务。决策系统通常被划分为许多子系统，负责诸如路径规划、路径规划、行为选择、运动规划和控制等任务。 |
