6月22日

全天

1、乘用车自动驾驶系统传感器配置

(1) 乘用车自动驾驶系统传感器配置变化

(2) 乘用车自动驾驶系统传感器配置趋势思考

(3) 机场多目标检测实例

2、多传感器数据融合模型框架

(1) 多传感器数据融合的发展历史

(2) 多传感器数据融合的定义与主要功能

3、JDL/DFIG数据融合模型

(1) 数据融合模型三种架构—中心式、分布式、混合式

(2) 数据融合模型三种特性—3C (Competitive, Complementary, Cooperative)

(3) 数据融合模型三种层级—像素级、特征级、决策级

4、多传感器数据融合算法

(1) 检测

计算实例：FMCW算法

(2) 关联 

计算实例：NN算法

(3) 跟踪与估计

计算实例：卡尔曼滤波

(4) 态势评估与威胁评估

计算实例：基于Simulink环境与LSTM网络的深度学习目标选择技术

(5) BEV

(6) Matlab建模规范与覆盖度测试

计算实例：MAAB测试、MCDC测试

6月23日

全天

5、多传感器数据融合在城市NOA中的应用实例

(1) 交通信号识别与响应

(2) 道路分叉与车道保持

(3) 实际案例分析与效果评估

案例分析1：小米SU7城市NOP详解（传感器配置、子功能拆解、多传感器数据融合模型适配）

案例分析2：Tesla FSD V12.3详解

6、多传感器数据融合技术的挑战

(1) 成本的挑战

(2) 车路云协同融合

(3) 数据闭环、数据隐私与安全保护问题

(4) 复杂城市环境下的感知难题与应对策略

(5) 数据融合中的实时性与准确性挑战

7、多传感器数据融合技术的趋势

(1) 传感器的精简与淘汰

(2) 大模型与大算力

(3) Rule-based & Data Driven的融合

8、Q&A