32学时 2学分
一、课程介绍
1.课程描述（中英文）：
ADAS自动驾驶入门实践课程，是人工智能技术理论快速发展，与互联网技术、大数据及现代工业技术开始广泛结合的情况下，开展的理论+实践的综合性实用课程，是面向全校低年级本科生的实践性课程，是探索问题驱动、竞赛牵引、自主创新的的初始环节。本课程以全方位，创新性的思维方式来探讨人工智能领域。
本课程包括看车、造车、开车、写车、算车、玩车、赛车及谈车八大环节。通过该课程的学习和大量实践，要求同学们掌握基本的行业与专业理论知识和专业技术，并能够利用这些理论和技术，开拓新思维，在新的领域进行创新或将新技术带入旧的系统中，以开发新的成果。
Practice and Introduction of ADAS (Advanced Driver Assistance Systems) course is a comprehensive practical course of theory and practice under the condition of the rapid development of artificial intelligence technology theory and the extensive combination of Internet technology, big data and modern industrial technology. It is a practical course for the lower grades undergraduate students in the whole school, and it is the initial link to explore the problem driven, competition traction and independent innovation. This course explores the field of artificial intelligence in a comprehensive and innovative way of thinking.
This course includes eight parts: watching cars, building cars, driving cars, coding cars, calculating cars, playing cars, racing and talking about cars. Through the study and practice of this course, students are required to master the basic industry and professional theoretical knowledge and professional technology, and can use these theories and technologies to open up new ideas, innovate in new areas or bring new technology into the old system to develop new results.
2.设计思路：
本课程拟采用理论引导和实践相结合的基于“做中学”的教学模式，通过项目式（Project-Based Learning,简称PBL）教学、课内竞赛、收获分享的形式，并添加大量的上机实验和操作实践，使同学们充分了解人工智能相关的知识与技术，并能将掌握的理论技术应用到实际设计中。课程内容包括八个环节：看车、造车、开车、写车、算车、玩车、赛车及谈车。8个环节依次进行，完整展示出人工智能的自动驾驶所包含的相关知识。
看车：是课程的基本介绍，带领学生了解人工智能领域的基本概念。
造车：介绍智能小车的基础框架、所使用的计算机编程语言以及开发环境。
开车：在了解了小车的硬件与软件结构后，开始数据的采集，并介绍数据集的相关概念。
写车：主要内容是对人工智能的相关机器学习算法，深度学习算法进行介绍，让学生从底层了解自动驾驶的相关内容。
算车与玩车：在深度实践当中，让学生了解人工智能领域中模型训练与部署的相关知识。
赛车和谈车：课程最后学生通过组间竞赛的方式来对本次课程进行一次总结，展示各组的成果，并交流讨论互相提高。最后再介绍行业相关的成果展示。
在这8个环节的课程讲解中，安排相关的实践课程来迅速将所学的理论知识运用到实际应用中，使学生们很快能够完成基于人工智能的自动驾驶实践任务，在任务实践中建立基于数据科学的人工智能的自动驾驶的概念和体系，激发学生的学习兴趣和激情，培养学生应用创新能力。并且给予学生开放式的自主选择权限着力解决教学过程中学生缺乏场景感知、实战技能训练不足的问题，引导学生实现“做中学”，自主地进行知识建构，增强学术实践能力和对理论的认识深度。通过竞赛模式培养学生以问题为导向的思维模式，进而形成独立思考和综合判断能力。
3. 课程与其他课程的关系
后置课程：ADAS自动驾驶创新工程。本课程与这一门课程密切相关，从实践和理论两个方面将学生对人工智能的认识实现两次飞跃，并构成一个完整的认识过程。
二、课程目标
本课程的目标是梳理人工智能、自动驾驶基础理论教学素材，开展演示性、综合性和创新性案例库建设，并培养学生理论创新的能力和激发学生深入探究的热情，促进其在人工智能理论上创新和创造性解决实际问题的能力。
课程学习结束，综合学生的知识、能力和素质，应能达到以下几个方面：
（1）了解我国人工智能领域的重要技术、方针政策和行业前景等；
（2）掌握基于自动驾驶的人工智能理论的实践任务，增强学术实践能力和对理论的认识深度。
（3）通过竞赛激发学生探求解决问题的方法和途径，培养学生发现问题、分析问题、解决问题的能力，促进其在人工智能理论上创新和创造性解决实际问题的能力。
三、学习要求
ADAS自动驾驶入门实践课程是一门涉及人工智能，大数据等诸多新兴科技的综合性的课程，作为一门基于新模式、新方法的课程，要求学生掌握一定的理论基础和专业技能，而且要有一定的创新意识和兴趣，做到技术上先进，理论上合理。要达到以上学习任务，学生必须：
（1）按时上课,上课认真听讲，积极参与课堂讨论、作业典型案例分析。本课程将包含较多的实践任务、小组讨论、小组竞赛等课堂活动。
（2）以3-5人小组为单位，针对人工智能领域的相关技术，能够做到深入探究，理论创新。
（3）在前期各阶段理论与实践的基础上，学期结束前完成小组竞赛要求，并学会总结分享，进而提高独立思考和综合判断能力。
四、教学进度
章节序号 | 主题 | 计划课时 | 主要内容概述 |
一、看车 1.人工智能 2.计算机视觉 3.小车展示 | 技术概论 | 4课时 | 介绍人工智能和计算机视觉领域的相关基础知识，了解基本概念与应用，展示课程最终要达到的目的成果 |
二、造车 1.智能小车架构 2.Python语言 3.开发环境 4.上机实践 | 开发环境 | 4课时 | 介绍智能小车的整体框架，模块化构成，常用的计算机编程语言，以及讲述课程所需要的整体开发环境，完成配置 |
三、开车 1.操作小车 2.数据采集 3.数据可视化 4.数据增强 | 构建数据 | 4课时 | 安排进行智能小车的实际操作实践，通过简单的数据采集来介绍数据集的相关概念与应用 |
四、写车 1.人工神经网络 2.卷积神经网络 3.模型设计 4.上机实践 | 构建模型 | 4课时 | 介绍ANN、CNN、RNN等机器学习与深度学习的相关基础算法研究，并通过代码完成知识扩展 |
五、算车 1.GPU训练平台 2.模型训练 3.超参数调优 4.迁移学习 | 模型训练 | 4课时 | 在实践过程中介绍GPU服务器训练平台，以及如何进行基本的模型调优和更高级的调优算法 |
六、玩车 1.激光雷达原理及应用 2.景深传感器原理及应用 3.模型推理 4.模型部署 5.系统集成 6.工程分析 | 模型部署 | 4课时 | 在实践中介绍激光雷达、景深传感器原理及应用，模型的训练、部署、加载等过程，完成竞赛前的准备 |
七、赛车 1.分组竞赛 | 分组竞赛 | 4课时 | 分成的小组进行无人驾驶小车的比赛，根据规则获得课程分数 |
八、谈车 1.行业纵览 2.收获总结 | 行业纵览 | 4课时 | 介绍自动驾驶行业中的发展与挑战、还有AI计算技术和现代化数据中心等前沿科技，并组织学生进行学习收获总结。 |
五、参考教材与主要参考书
1、主要参考书：
[1] [美] 皮埃罗·斯加鲁菲. 智能的本质. 北京: 人民邮电出版社. 2017.1 (ISBN: 9787115443786)。
[2] 库姆斯 (Alexander T.Combs). Python机器学习实践指南. 北京: 人民邮电出版社. 2017.5 (ISBN:9787115449061)。
[3] [美] 伊恩·古德费洛/[加] 约书亚·本吉奥/[加] 亚伦·库维尔，深度学习北京：人民邮电出版社. 2017.1（ISBN 9787115461476）。
[4]王万良，人工智能导论北京：高等教育出版社. 2017.08（ISBN 9787040479843）。
[5]马颂德，张正友. 计算机视觉：计算理论与算法基础北京：科学出版社. 1998。
2、选用参考资料
[1] ADAS Mini Car 组件包使用指南_含web版.pdf。
[2] MOUSIKA小车快速操作指南合集_20210309.pdf。
六、成绩评定
（一）考核方式E.其他：A.闭卷考试 B.开卷考试 C.论文 D.考查 E.其他
（二）成绩综合评分体系：
1.观察学生课堂表现及考勤情况，确保学生能理解上课内容。考勤、讨论分享情况将作为平时成绩计入最终课程成绩。
2.期末考试采取小组竞赛得分的考试形式，在倒数第二次课进行，根据小组最终成绩以及组员表现分别打分计入最终课程成绩。
3.课程综合评分方法：
1.考勤及平常表现 | 30% |
2.最终小组竞赛成绩 | 70% |
总计 | 100% |
评分标准：
1）平时表现评分标准
平时表现评分标准 | 得分 |
1.课前能够主动查阅相关的课外资料，熟练运用所学知识，积极参与课堂讨论，能阐明自己的观点和想法，并能与其他同学合作交流及共同解决问题。 | 90-100分 |
2.能按照课堂要求并及时完成相应课堂任务，操作较为准确，解决问题的思路和方案大致正确合理。 | 70-89分 |
3.不能及时的去完成课堂要求的上机任务，且在小组进行实践过程中不能很好的配合其他组员完成实验要求。 | 40-69分 |
4.不能按照课堂要求，不去完成相关任务，且不与小组同学进行沟通，不去制定或协助解决问题。 | 0-39分 |
注：考勤情况，全勤不扣分，无故缺勤一次扣5分，无故缺勤3次平时成绩为0。
2）竞赛评分标准
竞赛成绩满分100分，包含赛道分和创新分，赛道分占80%，创新分占20%。每个小组通过训练模型，启动智能小车的自动驾驶模式后，在赛道上进行三圈的行驶。并且每个小组有三次驾驶机会，每次都是三圈，最后取成绩最好的一次作为最终成绩。
赛道与创新的评分细则：
赛道分包含100分基础分，按错误扣分，获得单次驾驶完成分。
扣分项：
小车训练的模型中必须选用一种额外的感知模块（雷达/景深），未使用扣20分。
循道行驶，非避障时，不能压线，压线一次扣3分。（如果持续压线，需手动调整至外侧车道，再压在扣分）。
撞击边线（路沿石）致无法继续行驶一次扣5分（需手动调整至撞击前的位置，如果调整后连续三次撞击同一位置，当次成绩为0），如果是剐蹭边线，但不影响行驶一次扣2分。
未能避开障碍物100%撞击（丝毫没有转向迹象）一次扣5分（手动调整至撞击前位置，如果调整后三次均未能避开，当次成绩为0），有避障的趋势，且只是擦碰上障碍物一次扣2分。
注意事项：单次比赛除0分情况，产生扣分情况下，扣分最多为40分，也就是单次比赛除0分情况下，最低得分60分。
创新分100分包含以下几个内容：
使用yolo模型做图像识别来避开障碍物，同时对神经网络进行超参数调优，完整实现该功能最多+40分。
当使用饮料瓶等非训练用物品作障碍物时，在三圈的行驶中成功避开一次+10分，撞击不扣分。（一次驾驶最多+30分）
竞速挑战赛，小组为单位参加竞速挑战赛，规则：在赛道的外道跑10圈，根据用时计算排名，第一名+30分，第二名+20分，第三名+15分，第四名及以后+10分。（撞击边线至无法移动时可手动调整位置，但手动调整一次+5秒）
注意事项：竞赛的最终成绩，按比例计入最终的课程成绩。小组获得的最终竞赛成绩为小组成员得到的平均分，由教师、助教为组长打分，由组长根据组员在整个课程中实践环节的表现情况给其他组员打出相应的最终成绩。若学生对竞赛成绩有质疑，可与组员一起先和助教协商，无果后可与负责教师进行协商。