为什么需要这套体系化课程

自动驾驶并非单一的编程任务，而是一个横跨感知、定位、规划与控制的重度交叉领域。对于希望从普通软件开发或算法工程师转向车端系统的从业者而言，最大的痛点往往不是缺少零散的工具使用技巧，而是缺乏将底层数学原理转化为工程代码的全局视角。这套课程直接切入这一核心困境，它不试图用几节视频速成“造车”能力，而是旨在构建从数据输入到车辆执行的完整链路认知。你不再需要碎片化地搜索雷达点云怎么处理、贝叶斯滤波怎么在实车上部署，而是能通过一套统一的逻辑框架，理解各模块间的接口定义与数据流转机制。

基础门槛与前置准备

务必先进行自我评估，再决定是否投入时间。这门课明确设定了较高的入门壁垒，它不是面向零基础新手的“扫盲课”，而是面向已具备中级 Python、C++ 或 Matlab 编程能力学习者的进阶体系。如果你尚未掌握基础线性代数、微积分、统计学，或对深度学习与计算机视觉只是听过概念但无法推导公式，直接听讲座会导致大量时间消耗在基础概念填补上，体验会非常痛苦。建议你先复习卡尔曼滤波、傅里叶变换等核心数学工具，并能独立阅读英文技术文档，再开始跟随课程进度。只有具备这种代码实现与数学推导的复合背景，才能真正听懂算法背后的工程妥协与优化策略，避免停留在“知道是什么”而无法“解决怎么调”的层面。

学习路径与实战闭环

课程内容的编排遵循“认知-原理-实战”的递进逻辑，建议严格按此顺序吸收。第一阶段，集中攻克环境感知模块，重点理解激光雷达与摄像头的数据融合逻辑，这是自动驾驶的“眼睛”；第二阶段，深入同时定位与地图创建技术，解决车辆在复杂环境中“我在哪”的定位难题；第三阶段，才是核心的路径规划与决策控制，这里涉及大量的运动学约束与优化求解。不要试图一次性掌握所有细节，先建立宏观的模块划分认知，再针对感兴趣的子系统深挖。资料中的项目实战部分是关键，它要求你将抽象的算法原理落地到具体的工程场景中，例如如何将规划结果转化为控制指令。学完这套体系后，你应当具备独立设计简单无人驾驶算法原型的能力，能够针对特定场景（如十字路口、高速变道）搭建从感知到控制的闭环验证流程。对于转行者而言，这不仅是掌握一套技术，更是建立了一套可迁移的系统工程思维，让后续面对新的传感器类型或复杂的交通规则时，你知道从哪里入手修改代码，而不是面对陌生的工程代码库束手无策。利用课程配套的实战案例，结合自己的复现练习，才能真正将知识转化为简历上的硬技能。

课程目录

29fe3cef22985ae-48-600x241.jpg (23.

27 KB,  ) 2025-8-15 17:

00 上传 课程介绍： 自动驾驶是当前人工智能领域最受关注的热点行业，让众多技术工作者梦想加入这个充满想象力的赛道。然而，自动驾驶是一门复杂的交叉学科，涉及领域种类众多且技术栈跨度大，对于初学者而言如果没有行业导师指导，很难自学。本课程从浅入深讲解技术与算法，带你系统入门自动驾驶四大模块，感知、规划、决策和控制。 课程介绍： 学习要求： 在学习该课程之前，建议具有中级Python、C++、Matlab编程能力，理解深度学习与计算机视觉，并掌握基础线性代数、微积分、统计学及物理知识。 课程亮点： 1.结合工程实际案例，形成自动驾驶的全方位认知； 2.13节直播互动课，搭建完整的自动驾驶知识脉络； 3.3节直播讲座，深入了解技术现状与发展前景； 4.涵盖环境感知、同时定位与地图创建、路径规划、决策控制； 5.融合环境感知和规划控制的算法原理与项目实战。 课程目录： 

01 第一章 自动驾驶汽车概论 

02 第二章 自动驾驶技术之环境感知传感器 

03 第三章 研讨课：CNN实战 

04 第四章 行业分享主题课（一） 

05 第五章 基于视觉的自动驾驶汽车环境感知 

06 第六章 基于点云的自动驾驶汽车环境感知 

07 第七章 自动驾驶技术之多传感器融合 

08 第八章 自动驾驶技术之多目标跟踪 

09 第九章 自动驾驶技术之定位方案 

10 第十章 SLAM之理论基础知识 

11 第十一章 SLAM之优化方法：滤波优化 

12 第十二章 SLAM之优化方法 

13 第十三章 同时定位与地图创建-上 

14 第十四章 同时定位与地图创建-下 

15 第十五章 自动驾驶技术之路径规划 

16 第十六章 自动驾驶技术之横向与纵向控制 

17 第十七章 自动驾驶系统集成 

01 第一章 自动驾驶汽车概论\1 自动驾驶汽车概论.mp4
 

01 第一章 自动驾驶汽车概论\1 自动驾驶汽车概论.ts 

02 第二章 自动驾驶技术之环境感知传感器\2 自动驾驶技术之环境感知传感器.mp4
 

02 第二章 自动驾驶技术之环境感知传感器\2 自动驾驶技术之环境感知传感器.ts 

03 第三章 研讨课：CNN实战\3 研讨课：CNN实战（需打卡）.mp4
 

03 第三章 研讨课：CNN实战\3 研讨课：CNN实战（需打卡）.ts 

04 第四章 行业分享主题课（一）\4-1 车规芯片分享.mp4
 

04 第四章 行业分享主题课（一）\4-1 车规芯片分享.ts 

04 第四章 行业分享主题课（一）\4-2 YOLOv5研讨课.mp4
 

04 第四章 行业分享主题课（一）\4-2 YOLOv5研讨课.ts 

04 第四章 行业分享主题课（一）\yolov5.zip
 

05 第五章 基于视觉的自动驾驶汽车环境感知\5-1 基于视觉的自动驾驶汽车环境感知（需要打卡）.ts 

05 第五章 基于视觉的自动驾驶汽车环境感知\5-2 立体视觉（不用打卡）.ts 

05 第五章 基于视觉的自动驾驶汽车环境感知\SNE-RoadSeg-master-data.zip
 

06 第六章 基于点云的自动驾驶汽车环境感知\6-1 基于点云的自动驾驶汽车环境感知（侧重：分割）.ts 

06 第六章 基于点云的自动驾驶汽车环境感知\6-2 行业分享课：基于LiDAR点云的3D物体检测算法.ts 

06 第六章 基于点云的自动驾驶汽车环境感知\数据集.docx
 

07 第七章 自动驾驶技术之多传感器融合\7-1 自动驾驶技术之多传感器融合.ts 

07 第七章 自动驾驶技术之多传感器融合\7-2 研讨课：认识PCL.ts 

07 第七章 自动驾驶技术之多传感器融合\LiDAR-Obstacle-Detection_nz.zip
 

07 第七章 自动驾驶技术之多传感器融合\python_examples.zip
 

07 第七章 自动驾驶技术之多传感器融合\欧式聚类ppt.zip
 

08 第八章 自动驾驶技术之多目标跟踪\8 自动驾驶技术之多目标跟踪.mp4
 

08 第八章 自动驾驶技术之多目标跟踪\8 自动驾驶技术之多目标跟踪.ts 

09 第九章 自动驾驶技术之定位方案\9-1 自动驾驶技术之定位方案.ts 

09 第九章 自动驾驶技术之定位方案\9-2 行业分享课：多传感器融合算法.ts 

09 第九章 自动驾驶技术之定位方案\多传感器融合定位-代码整理.zip
 

10 第十章 SLAM之理论基础知识\10-1 SLAM之理论基础知识.ts 

11 第十一章 SLAM之优化方法：滤波优化\11-1 SLAM之优化方法：滤波优化.ts 

11 第十一章 SLAM之优化方法：滤波优化\专栏网址.docx
 

11 第十一章 SLAM之优化方法：滤波优化\代码工程.zip
 

12 第十二章 SLAM之优化方法\12-1 SLAM之优化方法.ts 

13 第十三章 同时定位与地图创建-上\13-1 同时定位与地图创建-上.ts 

13 第十三章 同时定位与地图创建-上\Lessons.zip
 

13 第十三章 同时定位与地图创建-上\LOAM论文和Ceres代码库.docx
 

14 第十四章 同时定位与地图创建-下\14-1 同时定位与地图创建-下.ts 

14 第十四章 同时定位与地图创建-下\A-LOAM.zip
 

15 第十五章 自动驾驶技术之路径规划\15-1 自动驾驶技术之路径规划.ts 

15 第十五章 自动驾驶技术之路径规划\2 path plan 

15 第十五章 自动驾驶技术之路径规划\2 path plan\A in Action - Artificial Intelligence for Robotics.mp4
 

15 第十五章 自动驾驶技术之路径规划\2 path plan\Hybrid A Path Planning with Search Visualization.mp4
 

15 第十五章 自动驾驶技术之路径规划\2 path plan\junior08-hybridAstarPaper.pdf
 

15 第十五章 自动驾驶技术之路径规划\2 path plan\PracticalSearchTechniquesinPathPlanningforAutonomousDriving.pdf
 

15 第十五章 自动驾驶技术之路径规划\2 path plan\reeds-shepp.pdf
 

15 第十五章 自动驾驶技术之路径规划\2 path plan\斯坦福-决策算法.pdf
 

16 第十六章 自动驾驶技术之横向与纵向控制\16-1 自动驾驶技术之横向与纵向控制.ts 

16 第十六章 自动驾驶技术之横向与纵向控制\control-课件资料与代码.zip
 

17 第十七章 自动驾驶系统集成\17-1 自动驾驶系统集成.ts 

17 第十七章 自动驾驶系统集成\4 integration.zip