通识教育是一种大学理念，是高等教育不可缺少的重要组成内容，是非专业性、非功利性和面向所有人的教育，是我校落实“三教融合”（通识教育、专业教育、职业教育）教学模式不可或缺的部分。
11月24日晚，我校邀请东南大学殷国栋教授作“智能网联汽车”的通识讲座，机械与电气工程学院徐智副院长主持讲座，五百余名学生现场聆听。徐院长介绍到，殷国栋教授是东南大学教授，博士生导师。现任教育部高等学校工程训练教学指导委员会委员、江苏省智能网联汽车标准化技术委员会副主任委员，担任《Journal of Intelligent and Connected Vehicles》副主编、《机械工程学报》编委、《中国机械工程》编委。主持国家自然基金中国汽车产业创新发展联合基金重点项目、国家自然科学基金、国家重点研发计划项目等15项；主持获得教育部科技进步一等奖1项、江苏省科技进步二等奖1项；发表论文151篇，其中SCI 收录42篇，EI收录102篇等。
徐智副院长主持讲座
教授从项目课题“面向真实场景的智能电动汽车感知技术研究与实践”出发，围绕“智能车辆环境感知研究背景、车辆状态信息感知技术、激光雷达环境感知技术、视觉环境感知技术、红外环境感知技术和多传感器融合环境感知技术”六个部分介绍智能网联汽车。
殷教授首先指出了智能车辆的背景，智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。其中主要涉及的领域—自动驾驶汽车。目前，自动驾驶汽车技术已经被广泛应用于工业、农业、服务业等各个领域。在工业上，它降低了施工难度，保护工人生命安全；在农业上，它降低了劳动强度，提高农业作业精度；在服务业上，它解放了驾驶员、降低了交通事故的发生率。
接着，殷教授讲到了车辆状态信息感知技术与激光雷达环境感知技术的应用。其中，视觉环境感知技术也是殷教授讲座的重点之一。殷教授提出，传统视觉算法是进行行人检测，采用传统机器视觉进行模板匹配，虽然原理简单、易于实现，但是算法的适应性差，检测精度低。用传统视觉算法进行车辆检测，需要先验算法进行稀疏特征提取，误检和漏检率高。现在用深度学习算法进行环境感知，已经得到广泛应用，但仍需考虑车载传感器和运算单元的计算能力，并结合具体任务和场景进行算法设计。所以，我们要在传统视觉算法基础上，融入深度学习技术，提高检测的精准度和正确率。交通标志识别神经网络的交通标志分类神经网络，通过神经网络直接学习从交通标志图像到紧凑的欧几里德空间的映射，其提取出的特征之间的距离直接对应于交通标志相似性的度量，然后把嵌入的TSNET神经网络作为交通标志的特征提取算法，显著提升了交通标志等类内的细致分类精度。
殷教授还向同学们介绍了红外环境感知技术。相对于通过雷达探测目标红外成像具有分辨率高、抗干扰能力强、隐蔽、简单、易携带等优点；相对于可见光成像系统而言，红外热成像仪具有更加稳定不易受到烟尘遮挡、不依靠光源、能够昼夜工作等优点。
随后，殷教授谈到了多传感器融合环境感知技术。多传感器信息融合，可以弥补单一传感器的缺陷，提供智能车辆的环境感知能力。需要构建复杂交通环境下的目标数据集，通过智能算法训练学习，构建完善的目标识别系统。对于数据采集系统的搭建，要构建热成像-可见光双模态低辨识度目标同步拍摄系统，构建基于特征点匹配的图像模态间配准系统。
讲座最后，殷教授提出了智能网联汽车的研究展望。在军事国防方面，主要是目标捕获、位置跟踪；在智能交通方面，主要是车牌识别、交通疏导；在遥感图像分析方面，主要是灾害测报、环境监测；在安全系统防护方面，则是车场监视，目标探测。
我校“通识大讲堂”活动由学校教务处牵头，校团委、校图书馆、学工部、二级学院等通力合作，希望通过强调共识教育，培养立足于时代、立足于社会，达到知识、能力、素质相契合的应用型人才。
（文：王蔷馨、黄雅晴；图：王林艳）