专栏名称: 计算机视觉研究院
主要由来自于大学的研究生组成的团队,本平台从事机器学习与深度学习领域,主要在人脸检测与识别,多目标检测研究方向。本团队想通过计算机视觉战队平台打造属于自己的品牌,让更多相关领域的人了解本团队,结识更多相关领域的朋友,一起来学习,共同进步!
目录
相关文章推荐
百姓关注  ·  一县委书记,主动投案! ·  2 天前  
贵州省发改委  ·  推动早投产早见效!贵州全力抓项目促发展 ·  2 天前  
51好读  ›  专栏  ›  计算机视觉研究院

特斯拉FSD入华!多模态+自动驾驶idea有了!

计算机视觉研究院  · 公众号  ·  · 2024-05-15 11:34

正文

4月底马斯克闪电访华,作为目前最先进的自动驾驶系统,FSD(完全自动驾驶)入华几乎毫无悬念。 从热门的BEV、OCC算法、端到端技术,到新兴的多模态LLM等,自动驾驶或将迎来GPT时刻 。尤其是多模态与自动驾驶的结合,遍布论文宝藏idea!从多模态融合到多模态大模型,特为你准备了超多论文,自动驾驶方向同学必看!
找助教免费领 137篇 多模态24顶会/经典/前沿 论文


另外,研梦非凡独家讲解 《自动驾驶前沿算法及模型部署系列课程》 ,已有近2000人观看!从算法 「自动驾驶感知算法、多传感器融合、点云深度学习技术、在线地图及高精地图定位」,到模型部署「自动驾驶模型部署、规控与预测、毫米波雷达、自动驾驶仿真」等, 涵盖感知、决策和规划等内容,丰富易懂! 共8节课,约700分钟!

扫码找助教开课

再领 190篇 感知、决策和规划 必读论文+代码+数据集

8节自动驾驶系列必学课程

第1节 自动驾驶感知算法

▼ 最近真火啊!卷篇顶会就这个!

  • 自动驾驶简介、自动驾驶的发展历程
  • 视觉感知在自动驾驶中的重要性
  • 单目相机感知算法综述
  • 单目相机的基本原理
  • 视觉SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)
  • 目标检测与跟踪
  • 单目深度估计
  • BEV感知算法综述
  • BEV视角在自动驾驶中的优势
  • BEV中的目标检测与跟踪
  • BEVFormer介绍
  • BEVFormer的背景与动机
  • BEVFormer的网络结构
  • BEVFormer的实验结果与性能评估
  • 未来展望与讨论
  • 自动驾驶视觉感知的挑战与机遇
  • 新技术与研究方向的探讨

第2节:自动驾驶多传感器融合

做这个工作好毕业!

  • 自动驾驶中传感器及其成像原理
  • 激光雷达成像原理
  • 相机成像原理
  • 毫米波雷达
  • GPS和IMU
  • 多传感器信息融合方法
  • Lidar-base的方法
  • Camera-base的方法
  • BEVFusion原理

第3节:自动驾驶点云深度学习

不学这个等于没学!

  • 点云的基本概念
  • 点云分类分割算法
  • 点云目标检测算法
  • 基于point:PointRCNN
    • 基于point:Fast PointRCNN
    • 基于point:IA-SSD
    • 基于Voxel:VoxelNet
    • 基于Voxel:PointPillars
    • 基于Point-Voxel:PV-RCNN
  • 点云应用前瞻

第4节:自动驾驶高精地图

做过才知道难在哪里!

  • MapTR论文核心要点
  • MapTR高精地图研究背景+创新点
  • 算法框架
  • MapTR算法实验
  • 新颖的地图元素建模方法
  • 基于MapTR的实时建图

扫码加助教开课

购买后找助教拉你进自动驾驶交流群,感兴趣可以来哈!有惊喜群福利!

第5节:自动驾驶模型部署

算法落地这个最重要!

  • 自动驾驶简介、自动驾驶的发展历程
  • 自动驾驶技术的核心组成部分:感知、决策、控制
  • 自动驾驶模型部署的重要性和挑战
  • 模型部署的基本概念和流程
  • 模型推理的硬件加速与优化技术
  • 基于云端和边缘端的模型部署比较与选择
  • 自动驾驶系统中的实时性与效率需求
  • 安全性与可靠性保障措施
  • 模型更新与迭代的管理与部署策略
  • 实时监控与故障排除
  • 部署后的模型性能评估与优化策略
  • 实际案例分析:自动驾驶模型部署的挑战与解决方案
  • 未来自动驾驶模型部署的趋势与展望
  • 自动驾驶模型部署中的人才需求与发展机会

第6节:规控与预测自动驾驶关键技术

  • 导论与基础知识: 介绍自动驾驶技术的基本概念、发展历程和应用场景,以及相关领域的基础知识。
  • 环境感知与感知模块: 讨论如何通过传感器获取车辆周围环境的信息,以及如何使用机器学习和计算机视觉技术对这些信息进行处理和分析。
  • 决策与规划算法 :介绍自动驾驶车辆如何基于环境感知的信息做出决策和规划路径,以及常用的决策算法和路径规划算法,如马尔科夫决策过程(MDP)、强化学习等。
  • 车辆控制与执行: 探讨自动驾驶车辆如何通过控制系统执行规划好的路径,包括车辆动力学模型、控制器设计、执行器(如转向系统、油门和刹车系统)控制等。
  • 场景预测与行为建模: 研究如何对周围车辆和行人的行为进行建模和预测。
  • 数据集与评估方法: 介绍自动驾驶领域常用的数据集和评估方法,如KITTI、Cityscapes等数据集,以及评估自动驾驶系统性能的指标和方法。
  • 安全性与道德问题: 探讨自动驾驶技术所涉及的安全性和道德问题。
  • 案例分析与实践项目: 结合实际案例和项目,深入了解自动驾驶技术的应用和挑战。

第7节:毫米波雷达必学的15个知识点

  • 自动驾驶简介、自动驾驶的发展历程
  • 自动驾驶技术的核心组成部分:感知、决策、控制
  • 毫米波雷达在自动驾驶中的重要性和应用场景
  • 毫米波雷达感知算法综述
  • 毫米波雷达的基本原理与工作方式
  • 毫米波雷达数据处理与目标检测
  • 毫米波雷达SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)
  • 毫米波雷达与其他感知技术的融合与协同
  • 毫米波雷达数据的特点与处理方法
  • 毫米波雷达数据融合与传感器融合策略
  • 毫米波雷达在自动驾驶系统中的实时性与效率需求
  • 毫米波雷达数据的安全性与可靠性保障措施
  • 毫米波雷达技术的发展趋势与未来展望
  • 毫米波雷达在自动驾驶中的实际应用案例分析
  • 毫米波雷达自动驾驶的挑战与解决方案
  • 毫米波雷达自动驾驶的人才需求与发展机会

第8节:自动驾驶仿真

可是上了Nature封面了呢!

  • 自动驾驶简介、自动驾驶的发展历程
  • 自动驾驶技术的核心组成部分:感知、决策、控制
  • 自动驾驶仿真的重要性和应用场景
  • 自动驾驶仿真平台综述:CARLA、LGSVL、Apollo等
  • 自动驾驶仿真的基本原理与工作方式
  • 仿真环境的构建与场景设计
  • 虚拟感知传感器的仿真与数据生成
  • 自动驾驶算法的集成与验证
  • 仿真评估指标与性能评估方法
  • 仿真与真实场景的数据对齐与验证
  • 仿真平台的实时性与效率需求
  • 仿真结果的准确性与可靠性保障措施
  • 自动驾驶仿真技术的发展趋势与未来展望
  • 自动驾驶仿真在实际应用中的案例分析
  • 自动驾驶仿真的挑战与解决方案
  • 自动驾驶仿真技术的人才需求与发展机会

扫码加助教开课

购买后找助教拉你进自动驾驶交流群,感兴趣可以来哈!有惊喜群福利!

如果你是cv方向/nlp方向/机器学习/深度学习及AI+金融、医疗、交通等方向的同学,需要 ccf a-c会议、sci一区-四区期刊、南大/北大核心论文, 都可以来研途(研梦非凡)匹配到合适的科研论文指导。

下面是我们根据本号粉丝需求,整理的自动驾驶方向,可指导的研究方向和现有idea!

自动驾驶研究方向

自动驾驶方向科研常用方法

自动驾驶方向准备好的idea

扫码找助教了解更多方向/验证自己的idea是否可行







请到「今天看啥」查看全文