课程主页: https://www.coursera.org/learn/visual-perception-self-driving-cars
课程概述
欢迎来到《自驾车视觉感知》（Visual Perception for Self-Driving Cars），这是多伦多大学自驾车专业化课程中的第三门课程。在这门课程中，您将学习自动驾驶中的主要感知任务，包括静态和动态物体检测，并将了解用于机器人感知的常见计算机视觉方法。
课程大纲
本课程分为六大模块，内容涵盖了从基础的计算机视觉知识，到复杂的自驾车感知系统的构建。
- 模块一：3D计算机视觉基础
介绍用于自驾车感知方法发展所需的计算机视觉基本概念，包括相机模型及其校准、单目和立体视觉、投影几何和卷积运算。
- 模块二：视觉特征的检测、描述和匹配
探讨如何通过图像序列跟踪运动，及特征提取在深度网络对象检测和语义分割中的重要性。
- 模块三：前馈神经网络
简要介绍现代卷积神经网络的核心概念，着重于对象检测和语义分割等任务的有效方法。
- 模块四：2D对象检测
深入讲解基线技术在自驾车领域的两种主要应用：对象检测和语义分割。
- 模块五：语义分割
重点是如何将图像像素与实用标签关联，以帮助识别可行驶表面及其他重要对象。
- 模块六：综合应用 – 可行驶区域内动态对象的感知
最终模块重点实施碰撞警告系统，警告自驾车注意车道内的障碍物。
课程评价
总的来说，这门课程内容丰富，适合那些对自动驾驶和计算机视觉感兴趣的学习者。课程中通过理论和实践相结合的方式，加深了对自驾车感知系统的理解，使学员在技术上具备足够的基础，能够在未来相关领域中脱颖而出。
每个模块都结构清晰，易于跟进，特别是第六模块的项目实践，通过实际操作让学生熟悉如何在真实环境中应用所学知识。这种实战体验是这门课程的一大亮点，极大地增加了学习的投资回报。
推荐理由
如果您对自动驾驶技术感兴趣或希望入门计算机视觉，这门课程实在不容错过。它不仅为您打下坚实的基础，也为将来的进一步学习和职业发展都提供了很好的支持。无论您是学生、工程师，还是技术爱好者，都能够从中受益。
课程主页: https://www.coursera.org/learn/visual-perception-self-driving-cars