高校无人驾驶实训室供需现状
随着无人驾驶行业对于毕业生实践能力要求的逐渐提升，各高校对无人驾驶技术实训室的建设投入逐渐增加。但是目前很多高校缺失无人驾驶技术实训室，而市场上的实训室供应商大部分只能提供无人驾驶教学平台环境，但教学资源配套碎片化、不成体系，与专业人才培养体系及课程教学的匹配度低，不能完全满足学校的要求。
依托东软睿驰无人驾驶实训室产业化数据与解决方案，研制东软教育无人驾驶实训室，满足高校无人驾驶技术教学需求。
无人驾驶实训部署在Nvidia Jetson TX1边缘计算平台上，利用沙盘和无人驾驶小车，结合人工智能算法、激光雷达SLAM技术实现决策控制和路径规划，实现无人车在沙盘内自动行驶。同时该实训室通过①数据采集与标注、②模型训练 、③模型验证、④模型推理与部署，覆盖人工智能教学整个工作流程。
• 项目包括5个一级项目和58个实践任务。
• 人工智能和自动驾驶的相关技术相结合，提高专业知识理解与工程实践能力。
• 实训项目细致详实，简化理论，突出AI能力实践训练。
无人驾驶智能车底层硬件应用实践
对机器人底盘硬件结构以及软件的工程结构，进行了运动学分析，对用到的硬件接口编程进行了详细的介绍，如编码器运动速度的读取、PWM伺服电机的控制、I2C陀螺仪的控制等，并对freeRTOS进行了简单介绍。
无人驾驶智能车应用实践
可覆盖无人驾驶智能车的工作原理和基础操作，具体包括无人驾驶智能车的硬件组成、虚拟机搭建、ROS基本操作和远程登录无人车并进行控制等，可以实际动手操作实现激光雷达数据读取与测距、深度摄像头读取与测距、巡线行驶和色块跟随等任务，有助于了解和应用无人驾驶智能车。
基于雷达的环境感知与自主导航
包括雷达的硬件结构、测距原理、通信协议，在此基础上完成了雷达定位与建图、进行了建图常用算法的比较。此外还完成了路径规划与导航的讲解，实现了无人车多点导航。
基于AI的沙盘场景内无人车自动驾驶
基于模拟地图沙盘和无人驾驶智能车，结合人工智能算法、激光雷达和深度摄像头处理算法等，实现无人驾驶智能车在模拟地图沙盘中的自动驾驶。项目基于Ubuntu系统和ROS系统进行开发，包括完整的视觉感知操作流程和无人驾驶功能实现过程，覆盖了AI深度学习算法的全部开发流程，细致讲解了人工智能算法从数据采集与标注、模型训练、模型验证与推理到模型边缘侧部署，以及无人驾驶环境感知与决策控制设置的全部过程。
基于视觉的环境感知与无人车运动控制
无人驾驶智能车基于视觉的环境感知、路径规划和自主导航功能，通过RGBD摄像头或与激光雷达融合感知周围环境，构建当前环境的3D点云地图和2D栅格地图，并根据已构建地图通过相关算法实现路径规划和自主导航和实时避障。
无人驾驶实训室搭配云实践平台，可为教师提供多场景的实验环境支持、实验过程的自动步骤检查及数据收集、实验环境保存、实验过程实时监控及远程协助等功能，全面提高实验教学管理的质量及效率，让老师和学生省时、省心、省力。
