智能汽車
智能汽車完成人工智能、無人駕駛、圖像處理與運控控制等相關課程的學習，理論+實踐共48課時。支持C++/Python語言編程，基于百度飛槳（PaddlePaddle）AI框架和OpenCV圖像處理技術，實現在線AI模型訓練、移動端部署、賽道識別與交通標志檢測，車輛控制以及巡線導航等功能。產品采用雙主控架構，控制主板為Edgeboard計算卡，負責復雜算法和圖像處理工作，控制單元為GD32系列單片機，負責智能汽車運動傳感器數據采集、電機控制等工作，并具備攝像頭、編碼器、電量計等傳感器。
智能控制、圖像處理、賽道識別、自動駕駛,支持C++/Python二次開發。
情景化教學，將理論與實踐教學相結合。
賽事版本支持全國大學生智能汽車競賽等多項賽事。
智能汽車課程屬于人工智能在汽車領域的應用課程，課程將理論與實踐教學相結合，遵循軟硬件一體化教學的系統思路，從系統搭建到多場景下的實際任務應用， 完整展現了智能汽車的硬件組成、軟件編程、算法調試、模型訓練等全方位技術，具有理論體系完整、真實場景教學、實操性強等特點，使學生真正學有所獲。
| 章 | 節 |
|---|---|
| 第一章 認識智能汽車 | 1.1 自動駕駛技術導論 |
| 1.2 競賽車模架構 | |
| 1.3 實訓：智能汽車配置實驗 | |
| 第二章 車輛架構與控制 | 2.1 環境感知與傳感器應用 |
| 2.2 嵌入式系統概覽 | |
| 2.3 車輛運動控制系統與通信協議 | |
| 2.4 實訓：智能汽車圖像感知實驗 | |
| 第三章 賽道圖像采集與預處理 | 3.1計算機視覺應用與圖像采集技術 |
| 3.2 實訓：圖像采集實驗 | |
| 3.3 相機標定基本原理 | |
| 3.4 實訓：相機標定與圖像校正實驗 | |
| 3.5 圖像校正技術原理 | |
| 3.6 實訓：賽道圖像的透視變換實驗 | |
| 3.7 圖像預處理技術基礎：灰度化與二值化 | |
| 3.8 圖像預處理技術基礎：去噪與增強 | |
| 3.9 實訓：賽道圖像預處理實踐 | |
| 第四章 賽道元素識別模型訓練 | 4.1人工智能基礎 |
| 4.2 神經網絡與深度學習概述 | |
| 4.3 實訓：基于飛槳平臺的賽道元素識別模型訓練實驗 | |
| 第五章 賽道檢測與識別 | 5.1 圖像識別技術概述 |
| 5.2 車輛行駛路徑搜索策略 | |
| 5.3 賽道識別的基本方法 | |
| 5.4 實訓：賽道與環島識別實驗 | |
| 5.5 實訓：十字路口與車庫識別實驗 | |
| 5.6 實訓：泛行區賽道識別實驗 | |
| 5.7 基于深度學習的檢測方法 | |
| 5.8 實訓：智能汽車AI模型部署實驗 | |
| 5.9 實訓：基于AI的賽道元素檢測與識別實驗 | |
| 第六章 智能汽車控制與決策 | 6.1 路徑規劃技術概覽 |
| 6.2 速度姿態與智能控制 | |
| 6.3 實訓：智能汽車控制與決策實驗 | |
| 第七章 智能汽車競技實戰 | 7.1 實訓：智能汽車行駛競技實戰 |
本課程定位于人工智能、計算機、車輛控制相關專業高等院校學生，有興趣參加全國大學生智能汽車競賽的在校大學生。
