本书由真正从事自动驾驶感知实践的资深专家撰写，由真实落地经验总结，系统讲解从3D目标检测到BEV融合感知的完整技术体系，内容涵盖基础理论、核心算法与工程实践，为读者进行感知系统开发提供全链路指导。 全书共7章。第1章全面介绍摄像头、激光雷达、毫米波雷达与超声波雷达的硬件组成、工作原理及应用场景，奠定传感器技术基础。第2章讲解针孔相机模型、畸变模型、鱼眼相机与双目相机模型，为图像处理与目标检测提供理论支撑。第3章深入解析3D目标检测算法，包括单目测距、单目3D检测及基于点云的方法，如SMOKE、MonoFlex、MonoDETR、PointPillars和CenterPoint，展现其在自动驾驶中的关键作用。第4章聚焦时间同步技术与摄像头、多传感器联合标定方法，确保多源数据的时空一致性，为数据融合提供保障。第5章介绍卡尔曼滤波、匈牙利算法及其改进方法，结合后融合策略与Apollo平台的融合方案，系统讲解后融合感知的实际应用。第6章围绕BEV融合感知技术，涵盖LSS、BEVDet、BEVDet4D、DETR3D、Sparse4D v1和BEVFormer等前沿算法，展示基于几何与网络变换的最新进展。第7章关注BEV感知的工程化落地，结合开源数据集、TensorRT加速与BEVDet4D实战，提供从算法到部署的完整实现路径。

前言
第1章 传感器技术详解与应用
1.1 车载摄像头
1.1.1 摄像头的硬件组成
1.1.2 车载摄像头的分类
1.1.3 车载摄像头的性能要求
1.1.4 车载摄像头的应用场景
1.2 激光雷达
1.2.1 探测采用的方法
1.2.2 组成、硬件参数与应用场景
1.3 毫米波雷达
1.3.1 硬件结构
1.3.2 信号处理流程
1.3.3 FMCW雷达的工作原理
1.3.4 毫米波雷达的应用
1.4 超声波雷达
1.4.1 测距原理
1.4.2 二维测距与空间定位
1.4.3 安装与应用
第2章 相机与图像
2.1 针孔相机模型
2.2 畸变模型
2.3 鱼眼相机模型
2.4 双目相机模型
第3章 3D目标检测
3.1 单目测距算法
3.1.1 相机坐标系与世界坐标系
3.1.2 几何线索测距
3.2 单目3D检测算法的原理与实现
3.2.1 SMOKE算法
3.2.2 MonoFlex算法
3.2.3 MonoDETR算法
3.3 基于点云的3D目标检测算法的原理与实现
3.3.1 PointPillars算法
3.3.2 CenterPoint算法
第4章 融合感知：时间同步和标定
4.1 多传感器时间同步
4.1.1 时间同步的核心技术
4.1.2 时间同步的主流方案
4.2 摄像头标定
4.2.1 摄像头内参标定
4.2.2 摄像头外参标定
4.2.3 摄像头在线标定
4.3 多传感器联合标定
4.3.1 激光雷达与摄像头联合标定
4.3.2 激光雷达与IMU联合标定
第5章 后融合感知方案
5.1 卡尔曼滤波算法
5.2 图论基本概念与匈牙利算法
5.2.1 图论基本概念
5.2.2 匈牙利算法
5.2.3 改进的匈牙利算法：KM算法和MKM算法
5.2.4 Apollo的MKM算法实现
5.3 后融合策略
5.3.1 无记忆策略和有记忆策略
5.3.2 循环周期策略和触发式策略
5.4 基于Apollo的后融合感知方案
5.4.1 数据对齐
5.4.2 数据关联
5.4.3 轨迹更新
5.4.4 特征融合
第6章 BEV融合感知
6.1 BEV感知算法的处理流程
6.2 基于几何视图变换的方法
6.2.1 LSS算法的原理与实现
6.2.2 BEVDet算法的原理与实现
6.2.3 BEVDet4D算法的原理
6.3 基于网络变换的方法
6.3.1 DETR3D算法的原理与实现
6.3.2 Sparse4D v1算法的原理与实现
6.3.3 BEVFormer算法的原理与实现
第7章 BEV感知算法的工程化落地
7.1 开源数据集介绍
7.2 TensorRT应用
7.3 BEVDet4D实战
7.3.1 BEVDet4D模型训练
7.3.2 BEVDet4D的TensorRT部署