雷锋网硬创公开课聚焦于新技术和新产品的 Know-How 分享，在过去的一年里，雷锋网和同行的技术创新者们都赶上了相当好的时候。
当以品牌和渠道驱动的那些智能硬件、以资本驱动的那些O2O、以抄袭模仿起家的那些虚拟现实项目们热潮褪去，同时在新兴技术领域，由于机器学习和计算基础设施的发展，语音、语义、图像技术开始出现较为繁冗的应用。
以下为雷锋网(公众号：雷锋网)硬创公开课在智能驾驶领域的往期实录笔记，供各位读者参考学习：
ADAS
双目视觉与单目视觉相比，有着哪些特点和优势？双目视觉有哪些关键技术？
单目视觉ADAS背后有哪些技术原理（算法、硬件）？同时如何让广大用户触手可及？
为我们带来 360 智能网联汽车安全实验室近一年来对特斯拉自动驾驶安全方面的研究案例和成果。
在无人驾驶场景中使用到的具体计算机视觉技术以及如何利用计算机视觉打造低成本自动驾驶方案。
SLAM作为一种基础技术，从最早的军事用途（核潜艇海底定位就有了SLAM的雏形）到今天，已经逐步走入人们的视野，过去几年扫地机器人的盛行让它名声大噪，近期基于三维视觉的VSLAM又让它越来越显主流，许多人不得不关注它。
事实上，很多ADAS的创业公司，都在前进中遇到了许多难题：如何选择切入点？如何选择合理的方案？如何控制成本？如何提高效能与准确率？如何面对处理器、传感器、算法等其他方面的挑战？诸如此类。
ADAS的研发有哪些难点？ADAS有着怎样的发展趋势和未来？我们本土的ADAS如何突破崛起？
作为一套要商业化的系统，成本问题自然无法回避。高精度激光传感器、GPS 造价不菲。即使作为一个成熟的智能系统，如何降低价格或者在廉价传感器上寻找解决方案？
激光雷达
单线激光雷达在自动驾驶中扮演怎样的角色？发挥的作用是什么？这种传感器在实际应用中可以解决哪些问题？
多线激光雷达——多少线合适？在无人驾驶环境感知中，摄像头和激光雷达分别完成什么工作？激光雷达与摄像头有哪些信息可以融合？
激光雷达是如何让机器看见世界的？应用于无人驾驶汽车的激光雷达又是如何识别行人并且实现壁障功能的呢？它又有什么样的瓶颈？
系统与行业
车辆为什么要联网，车联网有多大的市场；车联网需要什么样的硬件和软件系统；汽车电子的车联网硬件和普通的物联网硬件有何不同；车联网大数据平台的系统设计难度；未来车联网的数据价值和增值价值。
围绕芯片巨头英特尔153亿美元收购以色列ADAS及自动驾驶公司Mobileye背后的买卖逻辑进行探讨，同时也浅谈了这次收购对于ADAS、自动驾驶行业格局的影响
本文主要内容：高精卫星定位对自动驾驶的价值、高精卫星定位实现方法、高精卫星定位基础建设（by 千寻）、自动驾驶中的高精定位技术方案、自动驾驶汽车高精定位案例。
L4 真的就指日可待了？我们必须把无人驾驶与自动驾驶的概念弄清楚。
本文内容主要有三方面：多传感器信息融合、决策规划、车辆控制决策算法。
汽车轻量化的意义；碳纤维复合材料的现状；汽车厂商如何获取碳纤维复合材料；复合材料对传统汽车四大工艺的颠覆。
在不久的将来，液晶仪表将会是汽车的标配。
现如今，电动汽车技术的发展的确使得汽车产业链大大简化，也使得造车的门槛降低。纯电动车虽然带来了节能环保、使用成本低等优点，但同时也带来充电不便、续航不长等劣势。所以我们认为单纯做电动汽车，日后在市场立足的机会不大。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/110096.html