自动驾驶2025

这门课解决什么问题

自动驾驶方向门槛偏高，很多做传统软件或后端的人想转，卡在“没有真实项目经历”。这门课的定位很明确：带你从零跑通三个感知环节的工业级小项目——可行驶空间分割、车辆跟踪、图像数据增强。它不是讲自动驾驶整体架构，而是聚焦在感知模块的工程实现上，帮你补一块能写进简历、能在面试里讲清楚的动手经验。如果你当前的工作和视觉、深度学习离得远，但又有 Python 基础，想用几周时间拿到可展示的成果，这门课的切入点是务实的。

适合什么基础、建议先看哪几块

资料默认你懂 Python，能看懂基本的张量操作和类封装，但不要求你做过完整的模型训练。卷积神经网络那部分会从原理初讲，但节奏偏快，如果你完全没接触过深度学习，建议先补一下基础概念再跟。建议的观看顺序：先看可行驶空间项目的概览和数据增强两块，建立对任务和数据的直觉；再看模型构造和训练评估的代码演示，这部分是核心，跟着把训练跑通；最后看车辆跟踪项目，它和可行驶空间在数据处理上有关联，放后面看更容易衔接。每节后面的答疑串讲别跳过，里面往往是踩坑点的集中说明。

学完能独立做什么、资料怎么配合练习

学完这三个项目，你应该能独立完成一个感知小任务的完整闭环：拿到原始图像数据，做清洗和增强，搭一个卷积网络，跑训练，调参数，做评估，最后把结果可视化出来。这个闭环能力在中小公司的感知岗位或自动驾驶外包项目里是直接能用的。资料配合练习的方式：视频里演示的代码片段，自己照着敲一遍，不要只看；数据集用课程提供的，先跑通原版，再尝试改一两个超参数看效果变化；模型测试和可视化那部分，务必自己跑一次并截图，作为面试时能展示的产出。三个项目里，可行驶空间和车辆跟踪可以重点投入，图像数据增强作为辅助技巧穿插练习即可。整体目标不是背下所有代码，而是跑通流程、留下能讲清楚的项目记录。