自动驾驶学习资料整理，纯干货

原文链接：https://blog.csdn.net/sinat_26551021/article/details/116214282

整体

书籍

《Vehicle dynamics and control》 — 车辆动力学及控制，作者Rajesh Rajamani。
《深度学习之PyTorch物体检测实战》

公开课

开源项目

Apollo

参考文献

其他人整理合集

taylorliu自动驾驶
自动驾驶学习资料合集

神经网络

【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络
动手学深度学习
CUDA编程入门极简教程
TensorRT(1)-介绍-使用-安装
caffe（2）配置文件.prototxt的理解

数学

二次规划QP（Quadratic Programming） — 运筹学，Apollo轨迹规划算法中使用了。
高斯分布 — 概率论，卡尔曼滤波器算法中使用了。

感知

综合

目标检测

基于目标检测的实时单目测距
目标检测算法工程落地
自动驾驶（二十一）---------Mobileye单目测距

目标跟踪

带你入门多目标跟踪（一）领域概述
带你入门多目标跟踪（二）SORT&DeepSORT
带你入门多目标跟踪（三）匈牙利算法&KM算法
工程实践中，目标检测为何要加目标追踪？
图说卡尔曼滤波，一份通俗易懂的教程
无人驾驶技术入门（十三）| 手把手教你写卡尔曼滤波器

融合感知

疑问

1、前融合/后融合什么区别？Apollo中是哪种融合方式，如果是后融合，那怎么融合？通过HM计算相关度？然后呢？

车道线检测

疑问

1、如果能准确定位无人车位置，并且有高精度地图信息，是不是就不需要检测车道线了？直接就知道当前处于哪个车道上？

红绿灯检测

交通标志检测

预测

Apollo 5.0 障碍物行为预测技术

规划

【Apollo】apollo3.5决策分享 --by 百度美研 Yifei Jiang老师
Apollo 6.0 QP（二次规划）算法解析
直播回顾丨Apollo自动驾驶论坛①规划模块算法解析 — 在Frenet坐标系中，路径-速率解耦法分别优化路径和速度，路径优化主要考虑静态障碍物，通过动态规划生成一条静态的参考路径，接着基于生成的路径，考虑对速度的规划。
Apollo轨迹规划技术分享 — 路径规划算法输出了Frenet坐标系下的预期轨迹，要经时间T从轨迹起点抵达轨迹终点S，实际有无数种路径，选择代价最小的（比如最安全、舒适）的路径（t-s曲线），就变成了图搜索算法，从而引出A算法。
【自动驾驶】运动规划丨轨迹规划丨Frenet坐标转换
路径规划之 A* 算法 — 这篇文档里面种A start算法伪代码是缺失的，少了对“当邻近节点也在open_set时”的处理。
A星算法详解(个人认为最详细,最通俗易懂的一个版本) — 通过实际例子一步一步解释A算法的运行过程，容易弄懂。
A Star Algorithm 总结与实现 — 里面有A*算法的C++代码实现，用最小堆和map查找的方式实现，比较简洁巧妙。

控制

走进自动驾驶横向控制，你需要这篇超长综述
路径规划与轨迹跟踪系列算法学习_第9讲_车辆运动学和动力学模型— 先抽象出车辆的运动模型，才能计算出下一刻的车辆状态，才能算出应该如何控制车辆逼近预期轨迹。可以看出，车辆运行模型数学抽象方法很关键，决定了车辆实际控制状态和理论控制状态之间的偏差，目前有运动学和动力学模型，其中运动学不考虑外力，动力学考虑外力，即轮胎的摩擦力。
路径规划与轨迹跟踪系列算法学习_第12讲_线性二次型调节器(LQR)法 — 为了控制车辆按预期轨迹运行，实际得知道控制量是多少，LQR就是一种多目标最优控制求解方法，u = -kx，u为控制矩阵，x为当前车辆状态，k为LQR求解值。
Apollo代码学习(一)—控制模块概述 — 纵向控制主要通过控制汽车的刹车/油门来实现对汽车速度的控制。横向控制主要通过调节方向盘转角来实现对航向的控制。它主要由一个前馈控制器和反馈控制器组成。横向控制器的核心是车辆动力学模型与LQR模型。个人理解：为了降低求解复杂度，认为的拆分为纵向控制和横向控制，纵向控制认为车辆按照预期轨迹运行，只需要控制速度即可，而横向控制认为车辆按预期速度运行，只需要控制方向盘即可。
Apollo代码学习(五)—横纵向控制 — 个人理解：由于反馈系统存在滞后性，如果只依赖反馈的话，当道路曲率发生变化时，控制跟不上，误差消除不了，因此还要加上一个不具有滞后性的前馈控制。
无人驾驶汽车系统入门（十）——基于运动学模型的模型预测控制
Apollo代码学习(六)—模型预测控制(MPC)
PID控制算法原理（抛弃公式，从本质上真正理解PID控制）

定位

进阶课程 ⑮丨Apollo自动定位技术详解—百度无人车定位技术
无人驾驶定位，用了它想迷路都难（1）— RTK GPS、IMU、激光雷达/视觉匹配定位，其中视觉匹配定位可能会粒子滤波算法。
无人驾驶技术入门（二十）| 手把手教你用粒子滤波实现无人车定位

高精度地图

硬件

毫米波雷达

软件

仿真

数据集

驾驶数据集

交通标志数据集