深蓝学院：系统梳理自动驾驶环境感知核心技术

1年前浏览2088

导读：深蓝学院是专注于前沿科技的在线教育平台，为广大在校大学生、IT从业者、科研人员提供系统的前沿科技教育和咨询等服务。深蓝学院关注人工智能、机器人、增强现实等黑科技。近日，深深蓝学院正式认证了仿真秀平台官方机构账号，将在仿真秀官网和APP给大家带来人工智能、机器人和增强现实等技术讲座，敬请关注。

基于GNN为群体机器人构建信息分享机制

众所周知，环境感知、精度定位、路径规划及线控执行是自动驾驶中的四大核心技术。而被研究最多的部分是环境感知，其主要包括三个方面：路面、静态物体和动态物体。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、毫米波雷达的环境感知技术逐渐趋于成熟，并逐步量产落地。从知识层面看，环境感知并不是新技术，更多地继承自计算机视觉，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。

图片来源于知乎

目前很多做视觉相关的伙伴想要从事环境感知相关的工作，更有大批做感知的伙伴要抓住自动驾驶的热潮，更进一步。但是在学习与应用中却遇到了很多问题：

基于各个传感器的主流算法有哪些？
算法应用中遇到问题要如何解决？
主流算法在实际应用中存在哪些问题
又应该如何从实际问题出发，以工程人员的视角分析并改进算法？

很多伙伴选择从网上找学习资源，结果发现跟着知乎大佬学习，虽然能够对学习有一定的帮助，但也很难针对自身的学习情况有实质性的提高；查阅相关的论文也很难做到系统学习，深入研究；遇到真实落地场景，之前能跑通的代码也不好使了，又要花费很长的时间进行代码调试...

基于此，深蓝学院邀请自动驾驶知名Tier1高级算法工程师苏煜老师，共同打磨『自动驾驶环境感知』课程，帮助大家系统性地梳理分别基于相机、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，让大家高效系统地学习。