- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
计算机视觉在自动驾驶中的应用
教程导读：自动驾驶靠"感知-决策-控制"三步，感知是地基，计算机视觉是感知的眼睛。本教程以"感知系统工程师视角"，讲清 CV 如何赋能自动驾驶的每个感知能力，以及背后的工程考量。
这本教程讲什么
自动驾驶要让车自己开，先得"看清"世界：路在哪、有什么、别人要干嘛。这些靠感知系统，而计算机视觉（CV）是感知的核心——摄像头便宜、信息丰富，能识别类别、读标志、理解场景。
本教程回答：自动驾驶要感知什么？CV 怎么做？用什么模型？怎么部署？
自动驾驶感知架构
核心概念速览
阅读路线
| 读者类型 | 建议路线 |
|---|---|
| 概念入门 | 第1章→第2章前几节 |
| 算法工程师 | 第2章→第4章 |
| 系统/部署 | 第3章→第4章后两节 |
学习目标
读完本教程你应当能够：
- 说清自动驾驶感知需求和 CV 角色
- 理解检测/分割/跟踪/车道线/标志/预测/SLAM 等 CV 任务
- 知道多传感器融合策略
- 掌握感知模型部署优化
准备好了吗？我们从"自动驾驶到底分几级"开始。
阅读前提
本教程面向有一定编程基础、想进入自动驾驶感知方向的读者。理想情况下你了解 Python 基础语法，能读懂函数、列表和字典；熟悉 numpy 数组的基本操作更好。深度学习部分会涉及神经网络、卷积、损失函数等概念，但不必是专家——每个模型出现时，我们先讲"它解决什么问题、为什么用在这里"，再讲关键结构。如果你完全没接触过深度学习，建议先略读 4.1 节了解 CNN 的基本运作，再回头读第 2 章。
数学方面，教程主要用到坐标系、三角函数（朝向角），以及少量线性代数的直觉（矩阵、张量、点乘）。文中出现的公式都尽量给出直观解释，例如深度估计的 depth = f·b/disparity 一行就能说清原理，不会让读者困在推导里。
常见疑问
Q1：自动驾驶感知是不是就是"目标检测"？
不是。目标检测只是感知任务清单里的第一项。完整的感知还包括语义分割（哪能开）、实例分割（每辆车是独立个体）、3D 目标检测（目标在三维空间的位置）、目标跟踪（跨帧保持同一 ID）、车道线检测（在哪条车道）、交通标志与信号灯识别（交通规则）、运动预测（别人要干嘛）、姿态估计（行人意图）、深度估计（目标多远）、SLAM（车在哪）。本教程第 2 章就是按这份任务清单展开的。
Q2：纯视觉方案和激光雷达方案，哪个是主流？
商用落地目前以多传感器融合为主（摄像头加激光雷达加毫米波雷达），因为单一传感器总有短板。特斯拉坚持纯视觉，靠大算力、海量数据和 BEV 网络把摄像头用到了极致。两条路线各有拥趸，工程上更多是在成本、可靠性和算法能力之间权衡。
Q3：读完这本教程能上手写自动驾驶代码吗？
能理解系统，但离"上车"还有距离。教程的目标是建立感知系统的完整认知：你知道每个任务输出什么、用什么模型、在真机上怎么部署，也就知道该从哪一块代码切入。真正的工程落地还需要配套的数据集、标定工具和车载平台，这些在章节地图里都标了延伸方向。
章节地图
| 章节 | 主题 | 解决的问题 |
|---|---|---|
| 第1章 | 概述与感知系统 | CV 在自动驾驶里扮演什么角色 |
| 第2章 | 核心视觉任务 | 感知要输出哪些结果 |
| 第3章 | 传感器与数据 | 用什么硬件、拿什么数据喂模型 |
| 第4章 | 模型与算法 | 用什么模型、怎么部署到车上 |
建议按顺序阅读，第 2 章信息密度最高，可以结合第 4 章模型部分来回对照。遇到 BEV、注意力、量化这类概念时，先看它在哪个任务里被用到，再回到对应章节看原理，理解会更立体。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...