课程目录：
├── 实战资料
│ ├── pytorch-1.7.1-cu110
│ │ ├── torchvision-0.8.2+cu110-cp37-cp37m-linux_x86_64.whl
│ │ ├── torch-1.7.1+cu110-cp37-cp37m-linux_x86_64.whl
│ ├── Anaconda3-2019.03-Linux-x86_64.sh
│ ├── v1.0-mini.tar
│ ├── nuscenes-devkit.zip
│ ├── apex.zip
│ ├── centernet2_checkpoint.pth
├── 018.3.5.1 MVP代码实战：环境搭建_ev.mp4
├── 002.1.0 课程介绍_ev.mp4
├── 009.2.2基于图像的3D目标检测_ev.mp4
├── 032.4.9 SparseFusion_ev.mp4
├── 019.3.5.2 MVP代码实战：配置资料.docx
├── 025.4.2.1 EPNet_ev.mp4
├── 034.5.1 后融合方法介绍_ev.mp4
├── 030.4.7 deepinteraction_ev.mp4
├── 007.3D目标检测PPT.pptx
├── 036.5.3 Fast-CLOCs_ev.mp4
├── 024.4.1 特征级融合方法介绍_ev.mp4
├── 021.3.5.4 代码详解2_ev.mp4
├── 013.第三章 前融合方法PPT.pptx
├── 020.3.5.3 代码详解1_ev.mp4
├── 015.3.2 PointPainting_ev.mp4
├── 016.3.3 PointAugmenting_ev.mp4
├── 011.2.4.基于融合的3D目标检测_ev.mp4
├── 023.3.6 本章总结_ev.mp4
├── 042.6.5 本章总结_ev.mp4
├── 028.4.5 deepfusion_ev.mp4
├── 010.2.3基于激光雷达的3D目标检测_ev.mp4
├── 031.4.8 CMT_ev.mp4
├── 006.1.4 常用公开数据集_ev.mp4
├── 040.6.3 BEV融合方法详解_ev.mp4
├── 017.3.4 MVP_ev.mp4
├── 029.4.6 Transfusion_ev.mp4
├── 003.1.1 自动驾驶系统介绍_ev.mp4
├── 026.4.2.2 EPNet++_ev.mp4
├── 027.4.4 autoalign_v2_ev.mp4
├── 001.多模态感知基础介绍PPT.pdf
├── 004.1.2 多模态感知的常用传感器_ev.mp4
├── 037.第五章总结_ev.mp4
├── 035.5.2 CLOCs算法详解_ev.mp4
├── 012.2.5本章总结_ev.mp4
├── 038.6.1 基于时序感知方法的优势_ev.mp4
├── 033.第四章总结_ev.mp4
├── 008.2.1二维和三维目标检测的异同点_ev.mp4
├── 022.3.5.5 实战效果_ev.mp4
├── 014.3.1 前融合方法介绍_ev.mp4
├── 005.1.3 相关2D和3D感知基础知识_ev.mp4
├── 041.6.4 BEVFusion4D网络详解_ev.mp4
├── 039.6.2 常见的时序建模方式_ev.mp4
