2
雷鋒網硬創公開課聚焦于新技術和新產品的 Know-How 分享，在過去的一年里，雷鋒網和同行的技術創新者們都趕上了相當好的時候。
當以品牌和渠道驅動的那些智能硬件、以資本驅動的那些O2O、以抄襲模仿起家的那些虛擬現實項目們熱潮褪去，同時在新興技術領域，由于機器學習和計算基礎設施的發展，語音、語義、圖像技術開始出現較為繁冗的應用。
以下為雷鋒網硬創公開課在智能駕駛領域的往期實錄筆記，供各位讀者參考學習：
ADAS
雙目視覺與單目視覺相比，有著哪些特點和優勢？雙目視覺有哪些關鍵技術？
單目視覺ADAS背后有哪些技術原理（算法、硬件）？同時如何讓廣大用戶觸手可及？
為我們帶來 360 智能網聯汽車安全實驗室近一年來對特斯拉自動駕駛安全方面的研究案例和成果。
在無人駕駛場景中使用到的具體計算機視覺技術以及如何利用計算機視覺打造低成本自動駕駛方案。
SLAM作為一種基礎技術，從最早的軍事用途（核潛艇海底定位就有了SLAM的雛形）到今天，已經逐步走入人們的視野，過去幾年掃地機器人的盛行讓它名聲大噪，近期基于三維視覺的VSLAM又讓它越來越顯主流，許多人不得不關注它。
事實上，很多ADAS的創業公司，都在前進中遇到了許多難題：如何選擇切入點？如何選擇合理的方案？如何控制成本？如何提高效能與準確率？如何面對處理器、傳感器、算法等其他方面的挑戰？諸如此類。
ADAS的研發有哪些難點？ADAS有著怎樣的發展趨勢和未來？我們本土的ADAS如何突破崛起？
作為一套要商業化的系統，成本問題自然無法回避。高精度激光傳感器、GPS 造價不菲。即使作為一個成熟的智能系統，如何降低價格或者在廉價傳感器上尋找解決方案？
激光雷達
單線激光雷達在自動駕駛中扮演怎樣的角色？發揮的作用是什么？這種傳感器在實際應用中可以解決哪些問題？
多線激光雷達——多少線合適？在無人駕駛環境感知中，攝像頭和激光雷達分別完成什么工作？激光雷達與攝像頭有哪些信息可以融合？
激光雷達是如何讓機器看見世界的？應用于無人駕駛汽車的激光雷達又是如何識別行人并且實現壁障功能的呢？它又有什么樣的瓶頸？
系統與行業
車輛為什么要聯網，車聯網有多大的市場；車聯網需要什么樣的硬件和軟件系統；汽車電子的車聯網硬件和普通的物聯網硬件有何不同；車聯網大數據平臺的系統設計難度；未來車聯網的數據價值和增值價值。
圍繞芯片巨頭英特爾153億美元收購以色列ADAS及自動駕駛公司Mobileye背后的買賣邏輯進行探討，同時也淺談了這次收購對于ADAS、自動駕駛行業格局的影響
本文主要內容：高精衛星定位對自動駕駛的價值、高精衛星定位實現方法、高精衛星定位基礎建設（by 千尋）、自動駕駛中的高精定位技術方案、自動駕駛汽車高精定位案例。
L4 真的就指日可待了？我們必須把無人駕駛與自動駕駛的概念弄清楚。
本文內容主要有三方面：多傳感器信息融合、決策規劃、車輛控制決策算法。
汽車輕量化的意義；碳纖維復合材料的現狀；汽車廠商如何獲取碳纖維復合材料；復合材料對傳統汽車四大工藝的顛覆。
在不久的將來，液晶儀表將會是汽車的標配。
現如今，電動汽車技術的發展的確使得汽車產業鏈大大簡化，也使得造車的門檻降低。純電動車雖然帶來了節能環保、使用成本低等優點，但同時也帶來充電不便、續航不長等劣勢。所以我們認為單純做電動汽車，日后在市場立足的機會不大。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
