由于作者水平有限,希望大家积极提交改进意见, 您可对相关xxx.md进行修改,并将意见记录在modify_log.txt中。我将对修改内容进行整理,确保文档的准确性。
随着各大科技公司积极布局,自动驾驶成为新的风口。本文旨在总结分享自动驾驶的技术方案,希望帮助大家对相关知识的学习了解。
自动驾驶系统主要包含三部分:环境感知、决策规划以及运动控制。感知层对车辆周边环境进行感知识别,用于获取环境信息;决策层充当人类驾驶员的角色,主要解决三个核心问题:“我在哪?我要去哪?我该如何去?”;控制层保证各项硬件系统稳定的运行在计算好的最佳设定值上;保证各项子系统的运行维持在最优的区间范围;规避可能性风险,精准调控至最佳路径。
1.基础
|-- 1.1 知识铺垫
|---- 1.1.1 Frenet坐标系
|---- 1.1.2 卡尔曼滤波-KalmanFilter
|---- 1.1.4 Transformer
|---- 1.1.5 相机模型—内参、外参
|-- 1.2 数据集
|---- 1.2.1 Argoverse
|---- 1.2.2 nuScenes
|-- 1.3 NLP自然语言处理
|-- 1.4 强化学习
|-- 1.5 神经网络结构搜索(NAS)
2. 硬件
|-- 2.1 传感器
|---- 2.1.1 摄像头
|---- 2.1.2 激光雷达
|---- 2.1.3 毫米波雷达
|---- 2.1.4 超声波雷达
|---- 2.1.5 GPS定位导航
|---- 2.1.6 IMU惯性传感器
|-- 2.2 计算设备
|-- 2.3 辅助单元
|---- 2.3.1 V2X
|---- 2.3.2 黑匣子
3. 感知
|-- 3.1 2D目标检测
|---- 3.1.1 车道线检测
|---- 3.1.2 2D目标检测
|-- 3.2 3D目标检测
|---- 3.2.1 基于LiDAR的3D目标检测
|---- 3.2.2 基于摄像头的3D目标检测
|-- 3.3 BEV鸟瞰图
|---- 3.3.2 Occupany Network
|-- 3.4 定位
|-- 3.5 传感器标定
|---- 3.5.1 内参标定
|------ 3.5.1.1 相机内参标定
|---- 3.5.2 外参标定
|------ 3.5.2.1 离线标定
|------ 3.5.2.2 在线标定
4. 策略规划
|-- 4.1 预测
|---- 4.1.1 基于车道序列的预测
|-- 4.2 路线规划
|-- 4.3 轨迹规划
|---- 4.3.1 笛卡尔坐标下的规划
|---- 4.3.2 Lattice规划
5. 控制
|-- 5.1 PID控制
|-- 5.2 线性二次调节器(LQR)
|-- 5.3 模型控制预测(MPC)
6. 产品
|-- 6.1 ADAS
|-- 6.2 DMS
7. 工具
|-- 7.1 可视化
|---- 7.1.1 AVS(Autonomous Visualization System)
|-- 7.2 仿真
|---- 7.2.1 Carla仿真
|-- 7.3 TensorRT 加速
|---- 7.3.1 TensorRT安装配置
|---- 7.3.2 TensorRT加速原理
|---- 7.3.3 TensorRT源码分析
|-- 7.4 SNPE
|---- 7.4.1 Snapdragon NPE Runtime
|---- 7.4.2 AIP Runtime
8. 厂商方案
|-- 8.1 特斯拉 AI Day2022
|---- 8.1.1 路径以及运动规划算法
|---- 8.1.2 环境感知算法
|---- 8.1.3 训练算法、设施、软件
|---- 8.1.4 数据标注、采集、虚拟化
|-- 8.2 百度阿波罗apollo
|---- 8.2.1 Apollo 8.0 技术新特性解读
|-- 8.3 Openpilot