AI自动驾驶算法工程师视频课程【VIP】

课程定位与适用人群

自动驾驶算法开发涉及感知、定位、规划控制等多个复杂子系统，且技术栈更新极快。本课程聚焦于**环境感知**与**多传感器融合**两大核心环节，旨在为开发者提供从理论到代码落地的完整工程视角。课程涵盖 LiDAR 点云处理、3D 物体检测、多目标跟踪（MOT）以及 SLAM 优化等关键技术，适合具备 C++/Python 基础及深度学习入门知识的工程师或高阶学习者。对于希望深入自动驾驶感知层、理解点云算法原理并掌握主流开源框架应用的开发者而言，这是一份高质量的实战参考资料。

学习路径建议

建议按照以下顺序开展学习，以构建清晰的知识体系：

1. **基础巩固**：首先观看**第三章 CNN 实战**，复习卷积神经网络在图像与点云特征提取中的应用，为后续感知算法理解打下基础。
2. **感知核心**：重点学习**第六章 基于点云的自动驾驶汽车环境感知**，理解点云分割与 3D 检测算法；随后进入**第八章 多目标跟踪**，掌握 MOT 在动态场景中的实现逻辑。
3. **融合与定位**：学习**第七章 多传感器融合**，理解 LiDAR 与摄像头数据融合的原理；并通过**第九章 定位方案**及**第十二章 SLAM 之优化方法**，深入掌握 Bundle Adjustment 等后端优化技术。

实践与资料使用

本课程的价值在于其**可复现的工程代码**与**配套数据集**。每章课后均提供 PDF 笔记与.zip 源码包（如点云聚类、LiDAR 障碍物检测等），读者应边看视频边对照代码进行调试与修改，而非仅停留在理论层面。建议重点研究“多传感器融合算法”与“PCL 点云库研讨课”部分，尝试复现其中的检测与跟踪模块，从而真正掌握自动驾驶感知系统的搭建能力。