1. 感知概貌
2. 传感器和标定
激光雷达：主动式，发射功率限制
Camera: 被动式，受到光照影响大
Radar : 多普勒效率 相对速度
超声波: 感知距离有限，倒车时使用。
…
最后设备还在研发过程中。
PnP问题，解决标定。
ICP
GPS和LiDAR
利用道路边缘信息等。
核心：找共同标志物，求优化问题。
3. 感知算法
网络结构、训练技巧~
当前帧的检测要考虑到历史帧，不同时间要平滑。
让后处理尽量轻量化。
Det-2d 3d-Tracking-位置、速度
2D回3D
4. 机器学习
从自动驾驶安全性角度考虑，系统对感知的准确率、召回率和响应延时要求很高。例如在自动驾驶中的感知机器学习出现一些障碍物的漏检、误检会带来安全问题。漏检会带来碰撞，影响事故；误检会造成一些急刹，带来乘车体验的问题。同时要求低延时，如果一秒以后才获得感知结果，可能无人车已经碰上障碍物。
5. 感知未来
