这是自动驾驶系列课第二季的第一堂课，将关注多传感器融合。我们邀请到的是Roadstar.ai的首席科学家周光。Roadstar.ai由周光与CEO佟显乔、CTO衡量于2017年5月创立，专注于L4无人驾驶技术。周光曾在百度无人车团队负责标定、同步、感知等方面的工作、佟显乔曾就职于苹果特殊项目组（无人车研发）和NVIDIA自动驾驶算法组，还在百度硅谷团队担任无人车定位和地图组技术负责人、衡量曾就职于特斯拉Autopilot组、Google地图街景图，也曾在百度硅谷无人车团队担任Sensing组的技术负责人。

自动驾驶的技术路径之争一直没有停止过，之前主流的有两派：一是特斯拉为代表采用的以摄像头为主的解决方案；二是以Waymo、百度为代表采用64线激光雷达为主的解决方案。但是，多传感器融合解决方案，正在受到更多关注和认可。

Roadstar.ai所采用的多传感器融合解决方案，是指使用多个异构传感器来进行测量和感知，包括激光雷达、摄像头、毫米波雷达、GPS/IMU等，通过对不同传感器的原始数据进行前融合处理，统一输出像素级的八维空间数据。Roadstar.ai将其定义为多传感器前融合解决方案。

这堂课中，周光将对不同技术方案进行比较，并系统解析基于多传感器前融合的L4技术方案及其落地进展。

自动驾驶系列课第二季第一课由Roadstar.ai的首席科学家周光开讲，主题为《多传感器融合-无人驾驶的必由之路》 ，速速扫码报名吧！

课程信息

时间：4月23日20:00 地点：「自动驾驶」社群

课程内容

讲师：周光 Roadstar.ai首席科学家

主题：多传感器融合，无人驾驶的必由之路

大纲：

1.无人驾驶格局及技术方案比较

2.多传感器融合的基本原理和算法

3.基于多传感器前融合的L4技术方案解析

4.Roadstar.ai如何加速落地和商业化

讲师介绍

周光 Roadstar.ai首席科学家

曾就职于Baidu USA无人车团队，主要负责传感器标定、时间同步和感知深度学习算法。2015年大疆全球开发者大赛第一名 (1 of 200+ teams);2013至2016年间帮助德州仪器Kilby Lab设计制作多种物联网项目，并带队制作了Agribot机器人。博士期间主要从事无人机的感知、路径规划以及控制算法的研究。Univeristy of Texas at Dallas (德州大学达拉斯分校)人工智能方向博士学位和清华大学基科班 (30/3000)学士学位。2003机器人足球金牌，在韩国获得亚洲第五名。

报名方式

添加实战营联络员“车小东（cdxauto）”报名，添加时请备注:姓名-公司-职位或者姓名-学校-专业，因报名人数过多，优先通过备注者。

社群规则

1.智东西社群坚持实名学习、交流和合作，入群后需要修改群昵称为：姓名-公司-所在领域，违者踢群； 2.禁止在群内广告和发送二维码等无关信息，违者踢群。