11月7日-9日北京海淀，TsingtaoAI技术团队为某央企汽车集团交付百度Apollo开发平台全流程主题实训。本实训紧扣2025年自动驾驶技术演进核心方向。首日聚焦系统架构与法规标准，直击行业调试痛点；次日实战硬件集成，深度解析线控底盘适配、多传感器标定，精准解决工程误差难题；第三日通过CyberRT中间件配置、高精地图应用及Dreamview可视化调试，完成定位、感知、规划、控制全流程实操，并开展BEV+Transformer模型训练与高保真仿真测试。课程采用“理论-实操-问题排查”三位一体模式，结合车企真实量产项目案例，确保学员掌握从硬件部署到系统调优的全链路能力，直面行业真实挑战，助力技术落地提速。

●深入理解自动驾驶的核心概念、关键技术、行业发展及未来趋势。

●熟练掌握自动驾驶系统的核心硬件组成、集成方法与高级标定技巧。

●精通自动驾驶软件系统的架构、中间件机制、配置与参数调优。

●熟练掌握常用自动驾驶开发平台的操作、功能实现与性能分析。

●具备较强的自动驾驶系统测试、仿真、调试和问题排查能力。

●了解自动驾驶的功能安全、信息安全基础和相关法规标准。

3天，每天8课时

一、基础概念与体系

1.1 自动驾驶概述

1.2 自动驾驶系统架构

1.3 自动机调试技术挑战、未来趋势与法规

二、硬件集成与标定

2.1 自动驾驶计算单元选型与适配

2.2 车辆底盘线控技术与CAN总线基础

2.3 底盘协议适配与开发

2.4 自动驾驶底盘控制测试

2.5 传感器硬件集成方案

2.6 传感器标定：相机内参

2.7 传感器标定：外参基础与参照物

2.8 传感器标定：多传感器系统标定

三、软件系统与环境配置

3.1 自动驾驶软件平台Apollo架构解析

3.2 中间件基础（CyberRT）

3.3 高精度地图（HD Map）基础与标准

3.4 车辆配置文件（Vehicle Configuration）详解

四、功能实现与测试

4.1 可视化工具（Dreamview）

4.2 数据记录与回放（Record）

4.3 定位模块实践与调试

4.4 感知模块实践与评估

4.5 规划模块实践与行为理解

4.6 控制模块实践与调优基础

4.7 自动驾驶功能集成与启动流程

4.8 自动驾驶仿真测试

4.9 BEV + Transformer 感知端到端自动驾驶

坐标北京，国内头部自驾企业研发工程师，出版书籍《c++设计模式》，工作之余一直坚持在公众号和B站 <码出名企路>分享经验和技术，做自驾和编程相关培训，全网累积粉丝10万+，付费学员500多人，帮助300+同学找到满意工作，爱交流，乐分享，期待与你一起进步。

硕士毕业后，一直在自动驾驶行业深耕，主要负责车端系统架构方案设计与开发，独自负责过多款车型软件架构的落地，深度主导百度Apollo系统架构、软件设计与调试优化设计，熟悉车路云交互链路，在自动驾驶方案落地上做过重大贡献。

优势：主导自驾方案落地，负责百度Apollo解决方案软件设计，工作之余一直坚持做培训，有丰富的授课经验、乐于学习，擅长与人交流，合作与共赢。

【核心项目1】自动驾驶感知架构升级与异构推理引擎适配

技术架构：基于Apollo Cyber RT框架的模块化感知系统重构；

创新价值：实现毫秒级多源异构数据吞吐，推理时延降低42%

核心贡献与实现路径

感知流水线解耦设计

基于Apollo Component机制重构视觉感知拓扑，将原有单体架构拆分为Detector(检测)/Tracker(跟踪)/Fuser(融合)独立组件

采用Cyber RT DAG配置文件动态编排组件连接方式，通过共享内存+双缓冲队列实现零拷贝数据传输，解决1080P@30FPS视频流处理丢帧问题

设计跨线程池的任务调度策略，在Apollo默认Executor基础上扩展Priority-based调度器，确保关键路径（障碍物检测）优先抢占计算资源

异构推理引擎适配框架

研发Apollo插件式推理引擎接口层，兼容TensorRT/LibTorch/ONNXRuntime三种后端，支持YOLOv5/YOLOv7/FCOS等模型无缝迁移

基于CUDA Stream异步流水线技术优化预处理-推理-后处理流程，实现多Batch输入动态合并（最大支持Batch=16），GPU利用率从58%提升至91%

开发模型热加载机制，通过Apollo监控服务动态调整推理实例数，响应时间满足ISO 21434功能安全要求

感知质量增强体系

集成Apollo Sensor Bridge模块，实现激光雷达与视觉时序对齐误差<3ms

开发基于场景特性的模型切换策略（城市道路/高速公路/停车场模式），通过Apollo HMI动态更新检测阈值参数2

构建多维度评估系统（误检率/漏检率/时延分布），关键指标通过Apollo Dreamview可视化看板实时监控

【核心项目2】自动驾驶数据系统研发与云原生部署体系构建  技术载体：基于Apollo Cyber RT的分布式服务网格 ；创新价值：实现百节点级配置秒级同步，数据采集效率提升60%

核心突破与实现路径

云边协同配置管理系统

基于Apollo Cyber Component规范重构服务节点，将配置下发系统拆分为ConfigMaster(中心)/ConfigAgent(边缘)双模组

研发Apollo扩展协议适配层，兼容Protobuf/JSON/YAML多格式配置模板，通过Cyber RT Service实现动态参数热加载（响应时延<200ms）

设计配置版本化回滚机制，与Apollo KV存储服务深度集成，支持10万级节点配置状态秒级同步

智能数据采集引擎

前置环形缓冲区（基于共享内存实现30秒数据预缓存）

后置持久化存储层（对接Apollo Data Pipeline实现自动分段上传）

改造Apollo Recorder模块，开发多级缓存录制架构：

创新研发场景触发式采集模式，通过Apollo Monitor模块动态捕获corner case事件，实现"事件前后±15秒"自动切片存储

构建数据质量评估子系统，集成Apollo数据校验规则引擎，自动过滤无效/重复/异常数据包

一键式编排部署体系

节点拓扑可视化编排（集成Apollo Dreamview拓扑编辑器）

资源需求预测调度（结合Prometheus监控数据动态分配计算节点）

基于Apollo Bootstrap机制扩展集群管理功能，实现：

开发Apollo Container Kit工具集，支持Docker/Kubernetes混合部署模式，启动耗时从分钟级压缩至秒级

教授、广东东软学院软件工程大数据专业方向负责人、大数据实验室负责人、广东东软学院计算机专业教师，中国计算机学会高级会员，广东省研究生联合培养基地硕士生导师，全国高校人工智能与大数据创新联盟理事，佛山人工智能学会理事、中国机电工程协会会员。研究方向聚焦自动驾驶系统开发、车机语音交互技术及大数据应用。主持教育部高等学校科学研究中心中国高校产学研创新基金3项，包括《基于深度学习的自动驾驶环境感知算法研究》、《多模态车机语音交互系统关键技术》等。主持广东省高校成果转化中心高校教师特色创新研究项目1项，聚焦智能车机系统开发。主持教育部协同育人项目3项，其中《基于自然语言处理的车机语音交互平台构建》。参与省教育厅及佛山政府项目12项，其中省级项目7项，市级项目5项，涉及自动驾驶数据处理与智能交通系统。主持开发实施企业信息化项目16项，涵盖智能车机语音交互系统、自动驾驶数据处理平台等，推动智能交通领域技术创新。

TsingtaoAI企业实训业务线专注于提供LLM、具身智能、AIGC、智算和数据科学领域的企业实训服务，通过深入业务场景的案例实战和项目式实训，帮助企业应对AI转型中的技术挑战。其实训内容涵盖AI大模型开发、Prompt工程、数据分析与模型优化等最新前沿技术，并结合实际应用场景，如智能制造、医药健康、金融科技和智能驾驶等。通过案例式学习和PBL项目训练，TsingtaoAI能够精准满足企业技术团队的学习需求，提升员工的业务能力和实战水平，实现AI技术的高效落地，为企业创新和生产力提升提供强有力的支持。

同时，TsingtaoAI公司并不是一家单纯的实训机构，我们同样是一家AI产品开发公司，公司核心团队主要也都是由技术和产品人才构成，公司团队大部分成员在大模型时代之前就在从事AI产品相关的工作。公司在过去一年里，为10余家客户开发了AI相关的产品，涵盖医疗、教育、智能制造、人力资源等领域。相信我们在AI产品开发和客户服务的过程所形成的认知和方法论，能对贵司的需求有更深更细的洞察和理解，也能提供更深入业务肌理的“AI能力获得”。