← 全部课程
移动机器人自主定位导航算法实践
上海交通大学 · ME1103
基于地平线 RDK + OriginBot ROS2 智驾小车的实践课：从智能驾驶技术路线出发，学会用 OpenCV、YOLO 与 CNN 让小车「看见」，用 ROS2 让模块「对话」，再完成车道线 AI 巡线与激光雷达避障，最后用 Gradio 接入大模型与语音 API。 共 9 章、158 个知识点动画、5 个演算器、小车仿真器与系统数据流全景图。
课程助教
基于本课程全部知识库答疑，回答附出处，只讲课里有的，不编造。
开始提问 →虚拟赛道 · 小车仿真器
浏览器里的 OriginBot：亲手改 lanedetection.py 的 Kp、速度与偏差公式，调雷达扇区与停车阈值，看小车巡线、避障、过红绿灯；还能注入课程里最常见的 bug，练排错，闯 5 关结课模拟赛。
上车试跑 →系统数据流全景图
一张图看懂小车上真的是怎么跑的：摄像头的一帧、雷达的一圈，经过哪些 ROS2 节点和话题变成轮速；按实验周次切换场景、逐步走完「一帧的旅程」，拔掉节点看故障现象。
看全景 →知识图谱
全部笔记的关联网络，力导向可视化：拖拽缩放，探索章节与知识点之间的脉络。
探索图谱 →原理可视化
每个核心知识点一个直观动画讲解，按章浏览、点击放大 —— 抽象概念一看就懂。
观看动画 →算法演算
亲手逐步演算课程核心算法——自己输入数据，看每一步怎么算。
进入演算器 →课程章节
- 1课程概论与智能驾驶技术路线 — 课程组织与结课项目、往届车道线方案、SAE 分级、感知-决策-控制架构、模块化 vs 端到端
- 2移动机器人与无人驾驶系统 — 感知—决策—执行闭环、无人方程式赛车：YOLO+激光雷达融合、贝塞尔/Frenet 规划、LQR/PID/纯跟踪、Conda 与 Jupyter
- 3OpenCV与图像处理 — 像素矩阵、BGR/HSV、颜色掩膜、阈值二值化、卷积核、Sobel、中值滤波、OpenCV 红绿灯识别
- 4YOLO目标检测与红绿灯识别 — 标注格式、IoU、P/R 与 mAP、锚框与单/两阶段、YOLOv1→v8、NMS、YOLOv5 训练-量化-上板
- 5ROS2入门与小车操控 — 节点/话题/服务/参数、ROS2 vs ROS1、DDS、命令行、SSH 连小车、/cmd_vel、摄像头与图像格式
- 6CNN与ResNet — 卷积、激活、池化、全连接、Softmax、退化问题、残差块、瓶颈结构与 ResNet 系列
- 7车道线AI巡线：标注、训练与部署 — ROI 与中心点标注、ResNet18 回归、ONNX、OE 工具链 INT8 量化、上板推理、由偏差算角速度
- 8激光雷达原理与避障 — 三角测距/TOF、极坐标、通信与启动流程、VP100、LaserScan 下标↔角度、/has_obs 避障联调
- 9Gradio与大模型API — Interface/ChatInterface、launch 分享、ERNIE Bot SDK、temperature/top_p/stream、百度语音与 OCR