自动驾驶系列课程
注：以上课程可多选，如本期来不及参加，我们将安排第二期。
课程介绍
课程一、智能网联汽车概论
本课程全面介绍了智能网联汽车的智能化技术、网联化技术、智能汽车传感器、高级驾驶辅助系统等核心知识，对人工智能技术在自动驾驶的应用做介绍，并且分析了国内外智能网联汽车的最新发展动态。通过此课程让学员了解到智能网联汽车相关专业技术知识。
课程内容：
智能网联汽车定义
智能网联汽车技术框架
智能网联汽车发展现状
传感器与驾驶辅助系统
视觉传感器
激光雷达
毫米波雷达
超声波雷达
车载传感器网络
并线辅助系统
自适应定速巡航系统
疲劳预警系统
自动泊车辅助系统
车道偏离预警系统
车道保持辅助系统
智能化技术
网联化技术
车联网V2X
无线通信技术
专用短程通信
5G通信
信息安全技术
课程二、无人驾驶决策及路径规划算法入门
本课程将围绕无人驾驶中的决策及路径规划展开。传统路径规划可分为基于搜索以及基于采样两类。常见搜索算法包括Dijkstra算法、A*算法等。基于采样算法包括RRT，PRM等。在无人车应用方向，还包括滑动窗口法，基于模型预测的规划等与车辆模型相结合的算法。其中人工势场法、A*、RRT和滚动窗口法最基础且应用比较广泛，将指导学员进行实践。
课程内容：
决策及路径规划算法的基础知识
基于搜索的路径规划算法的介绍
基于采样的路径规划算法的介绍
无人车应用方向中的算法介绍
几种算法的应用实践
课程三、智能汽车驾驶计算机视觉识别车道线检测与寻迹
本课程基于车道线寻迹项目，帮助学员理解计算机视觉和自动驾驶开发的关系，理解OpenCV平台、环境配置以及图像识别操作，通过培训，使学员将了解到如何能利用OpenCV进行图像处理，掌握运用视觉传感器采集数据、处理数据实现车道线检测与识别，搭建深度学习平台框架，训练网络结构，进行车道线的检测。
课程四、深度学习算法与应用
本课程是智能网联汽车环境感知培训的专业技术课程。通过这门课，学员将学会深度学习的基础，弄懂如何搭建神经网络，学到Python和Tensor Flow，并掌握如何组织起一个成功的深度学习项目、打造最合适的深度学习模型。
课程内容：
介绍深度学习的趋势和应用
讲解神经网络基础和解决机器学习问题
学习前向传播和反向传播并构建一个简单网络
讲解深度学习中的关键计算
介绍改进深层神经网络的技巧
实践深度学习各种优化算法并检验其收敛性
讲解超参数调优、Batch归一化和编程框架
学习诊断机器学习系统错误的诊断
讲解端到端学习、迁移学习和多任务学习
讲解和构建卷积神经网络（CNN）及其常用变体
实践CNN视觉检测和识别任务
讲解递归神经网络（RNN）及其常用变体
介绍RNN在自然语言处理和音频处理中的应用
课程五、燃料电池汽车技术
燃料电池技术是世界能源转型和动力转型的重大战略方向。燃料电池具有零排放、效率高、燃料来源多元化、能源可再生等优势，是社会可持续发展重要方向。
本课程主要讲述燃料电池技术特点、燃料电池发动机系统、氢能源技术与燃料电池车整车设计，通过企业典型案例让学员了解最新燃料电池车的新技术。
课程内容：
燃料电池技术特点
燃料电池工作原理
燃料电池分类与特点
质子交换膜燃料电池理论基础
燃料电池系统特性
燃料电池发动机系统
空气供应子系统
氢气供应子系统
冷却子系统
电气与控制子系统
氢能源技术
车载供氢系统
燃料电池汽车设计案例
课程六、智能网联汽车算法培训
本课程将深入讲解人工势场算法、动态窗口算法以及如何运用最优控制理论实现轨迹规划层任务,同时也将结合实际工程案例，通过一些仿真环境下的实操练习让学员对轨迹规划算法有更直观的了解。
报名联系人：李老师
邮箱：rong.li@auttra.com
手机：18611906820（微信同号）
为满足不同学员的需求，我们录制了大量的视频课程，内容涵盖：新能源整车、动力电池、驱动电机、NVH、轻量化、底盘和悬挂、传统燃油车、汽车维修、智能网联汽车等各方面内容。了解课程详情请登录官网www.auttra.com或关注公众号auttra。
视频课程列表
1、48V_BSG弱混系统设计开发（一）（二）
2、动力电池系统仿真与热管理关键技术之二：动力电池
3、整车EMC测试（一）（二）
4、CNA远程刷新与诊断（1-6）
5、机电集成式混合动力变速箱
6、混动与电动车驱动设计（上）（下）
7、电池电机电机控制器开发产品及运用
8、插电式混支（PHEV）系统架构
9、纯电动驱动系统架构
10、混合动力驱动基本架构分析（上）（下）
11、新能源车充电及其安全
12、电池包强电连接及高压安全技术（上）（下）
13、整车电气安全（一）（二）（三）
14、电池包电气安全及设计
15、动力电池系统仿真与热管理关键技术之一：动力电池热管理
