速腾聚创 · 智能传感开放体验场景
速腾聚创：激光雷达看世界
戴上‘机器的眼睛’，从一团点云里认出道路、行人和障碍物。
深圳激光雷达与感知解决方案企业
为什么是
速腾聚创？
速腾聚创聚焦激光雷达硬件、感知系统与相关芯片，让机器通过点云理解距离、轮廓和环境变化。
学生可以把抽象的‘机器视觉’转化为一张可分析的点云地图，并讨论感知误差如何影响自动驾驶和机器人安全。
不是参观路线，
是一份真实任务书。
速腾聚创：激光雷达看世界是一项以“机器看见的世界和人眼有什么不同？”为主线的半日科技挑战项目。速腾聚创聚焦激光雷达硬件、感知系统与相关芯片，让机器通过点云理解距离、轮廓和环境变化。
学生可以把抽象的‘机器视觉’转化为一张可分析的点云地图，并讨论感知误差如何影响自动驾驶和机器人安全。 本项目重点带领学生理解感知、控制、调度、人因与安全如何共同支撑交通系统，现场聚焦飞行时间测距与点云形成、距离、反射率、分辨率和视场、遮挡、天气和多传感器冗余。
学生不会只听一段讲解，而是接下明确任务：比较不同视场、反射率和遮挡条件下的点云，设计一套让移动机器更可靠感知环境的方案。 最终提交机器视觉实验讲解，让家长看见过程证据，让学生带走可以继续升级的真实作品。
机构资料依据所列官方来源整理；具体到访区域、接待形式、可用设备与采访对象，将在每期开放确认及安全评估后写入出发前任务书。
本次科技挑战任务
比较不同视场、反射率和遮挡条件下的点云，设计一套让移动机器更可靠感知环境的方案。
点云猜物挑战
传感器布置沙盘
自动驾驶感知安全说明
这项课程具体学什么
目标不止是“去过”，而是能够理解、探究、完成挑战并形成可验证成果。
理解核心系统
围绕“机器看见的世界和人眼有什么不同？”建立对未来交通核心概念、运行逻辑与应用边界的基本理解。
掌握探究方法
使用系统制图、情境模拟、数据观察与流程优化收集信息，区分观察、推断和观点，并记录关键证据。
完成科技挑战
根据年龄和基础完成相应任务，把传感器、点云、自动驾驶用于一个需要协作和判断的真实问题。
形成成果表达
完成机器视觉实验讲解，能够向同伴、家长或导师讲清问题、过程、证据、限制与下一步。
成长探索科技挑战
根据点云剪影竞猜物体，发现遮挡与噪声。
- 用模型、实验、寻宝或角色任务理解核心概念
- 每人至少完成一次证据记录或中文/英文讲解
- 小组提交挑战过程、现场证据和任务复盘
未来科创科技挑战
比较相机与激光雷达在不同天气下的性能权衡。
- 连接学科知识、大学专业、职业岗位与产业问题
- 记录假设、证据、限制、测试结果与方案权衡
- 完成面向导师的答辩、项目评审或专业采访
半日科技挑战流程
每一步都有任务、时间和阶段证据；具体集合与交通时间根据当期开放情况校准，出发前一周发送最终任务书。
观看项目背景微课，了解“机器看见的世界和人眼有什么不同？”及必要的安全边界。 3—5人小组从调度指挥、系统制图员、安全官等岗位中完成分工。
阶段证据：问题卡＋角色表＋安全确认完成双重签到、设备编号和场地边界说明；导师以“机器看见的世界和人眼有什么不同？”启动任务，小组提交第一版判断和取证计划。
阶段证据：初始判断＋证据清单认识速腾聚创及其课题价值，围绕飞行时间测距与点云形成、距离、反射率、分辨率和视场、遮挡、天气和多传感器冗余完成定点观察、技术拆解和许可范围内的专业采访。
阶段证据：机构学习卡＋现场记录＋采访素材小组对照任务书整理证据，完成“点云猜物挑战”，淘汰未经验证的观点，并向导师申请进入挑战阶段。
阶段证据：证据墙＋导师闸门反馈成长探索版：根据点云剪影竞猜物体，发现遮挡与噪声。 未来科创版：比较相机与激光雷达在不同天气下的性能权衡。 同步完成“传感器布置沙盘”并进入拍摄、原型或方案制作。
阶段证据：挑战过程＋测试记录＋作品初版完成“自动驾驶感知安全说明”，通过事实、肖像、位置与保密检查后进行路演或展映；导师按量表反馈，并布置作品2.0迭代。
阶段证据：机器视觉实验讲解＋评价量表＋个人复盘3—5人一组，
每个人都有不可替代的岗位。
活动前一周完成组队与角色认领。小组全员到场、按岗位交付并通过安全检查，可获得额外团队积分。
本项目小组装备
- 小组任务书、证据记录卡与安全边界卡
- 根据任务配备Action、Pocket 3、无线麦克风等影像设备
- 教学级模型、实验材料或数据工具（以当期场地确认为准）
- 作品素材夹、评价量表与个人成长记录
无人机、实验仪器及企业设备只在场地授权和专业人员指导下使用；不能飞行或不能进入的区域，以仿真、模型、公开展陈和等效任务完成课程目标。
课前有准备，课后能继续
把单次城市研学做成完整课程，而不是到场即开始、离场即结束。
课前准备
- 观看项目背景微课，了解“机器看见的世界和人眼有什么不同？”及必要的安全边界。
- 从传感器、点云、自动驾驶中选择个人重点，并在3—5人小组中确定角色。
- 准备两条现场观察问题和一条采访问题；涉及拍摄时提前完成授权确认。
课后延伸
- 根据导师反馈完善机器视觉实验讲解，补充事实来源、过程证据和作品说明。
- 把现场发现与物理、数学、信息科技中的一个知识点建立联系。
- 围绕交通工程、自动化、智能车辆中的一个方向，完成一次专业或职业信息检索。
学科连接
专业与职业方向
用过程证据评价，不只看成品
评价用于导师反馈和学生复盘，不按一次活动给学生贴能力标签。
问题理解
能否准确复述“机器看见的世界和人眼有什么不同？”，并指出问题中的关键对象和限制。
证据使用
能否用现场观察、任务数据、采访或可靠资料支持结论，并区分事实与推断。
技术挑战
能否把传感器、点云、自动驾驶用于挑战，说明方案选择、测试结果和需要改进的地方。
协作与表达
能否履行小组角色，清楚呈现机器视觉实验讲解的逻辑、贡献、边界和下一步。
机器视觉实验讲解
所有作品先完成事实、肖像、位置和企业保密检查，再进入班级展映、年度比赛或个人作品集。
本项目特别安全边界
不直视设备发射窗口，不进入车辆测试区域。
- 活动前场地、交通、天气、设备、健康五项风险评估
- 集合与转场双导师点名，3–5人固定小组不单独行动
- 意外保险、紧急联系人、健康信息和替代任务提前确认
- 涉及未成年人影像、采访和作品公开发布时执行单独授权