无人驾驶3D目标检测实战 [图像/点云/多模态数据融合]

这门课解决什么问题，值不值得学

自动驾驶和机器人感知落地中，单纯靠二维相机很难准确判断障碍物的距离和三维尺寸，而单靠激光雷达又容易在远距离或稀疏点云处漏检。这门课针对的就是“如何让车辆或机器人准确识别三维空间中的目标”这个具体场景。它把目前工业界和学术界主流的三条技术路线——纯图像、纯点云、多模态融合——拆开来讲，帮你理清每种方法的适用边界。如果你正在做自动驾驶、具身智能或机器人感知方向的研发，或者准备转行切入这些领域，这门课能帮你补齐三维感知的核心算法拼图。但如果你只是做传统二维计算机视觉（比如普通的图像分类、分割），或者完全没接触过深度学习和 PyTorch，建议先打基础，直接上手会觉得吃力。

建议先看哪几块，资料怎么配合练习

这套资料按照技术演进顺序分为四个板块。建议不要从头按部就班看，而是先跳到第一部分的概述，快速建立对 3D 检测评价指标、数据集和坐标系变换的整体认知。接着，根据你的实际工作需求选一条主线深入：如果你手头主要处理摄像头数据，重点看基于图像的三个模块，特别是伪激光雷达那节，理解如何把二维深度估计映射到三维空间；如果你主要和雷达打交道，直接进入基于点云的部分，重点啃透基于体素和基于点的方法，以及两者的融合机制。多模态融合部分是全课的压轴，也是目前工业界用得最多的方案，建议在吃透单模态之后再看，重点理解特征级融合在不同坐标系下的对齐逻辑。看资料时，务必把每一节的模型结构图和公式推导自己手推一遍，不要只看不练。

学完能独立做什么

学完这套资料，你应该能够独立读懂主流 3D 检测框架的源码，并能根据实际硬件配置做调整。具体来说，拿到一份新的点云或图像数据，你能自己搭建数据预处理管线，完成坐标系转换和特征编码；针对不同的算力限制，能合理选择基于点或基于体素的骨干网络；在多传感器场景下，能独立设计特征融合策略，把相机提取的语义特征和雷达的几何特征对齐。这不再是跑通一个开源 Demo 就完事，而是具备了在真实业务场景中做算法选型、调优和问题排查的能力。对于准备面试的人来说，也能把简历上的“熟悉自动驾驶感知”落到实处，经得起对网络结构和损失函数细节的追问。