想入行智能汽车领域,请问有哪些学习的资料吗?
1 1232
1

我需要学习哪些知识?掌握哪些技能?

收藏
2021-04-20 12:29 更新 吴山留顾 •  47137
共 1 个回答
高赞 时间
1

在智能汽车领域所包含的技术方向中,自动驾驶技术较为前沿。本回答将着重总结自动驾驶方面的学习资料。

教学视频

1、综合

百度和优达学城合作课程 多伦多大学自动驾驶Coursera公开课

2、定位

iMorpheusAI的自频道-优酷视频

3、SLAM

【高翔】视觉SLAM十四讲 视觉导航:从状态估计到运动规划 (公开课,需要注册账号)

书籍

1、综合

《无人驾驶原理与实践》 兰州大学的自动驾驶团队,作为我开始入门无人驾驶的书籍,值得推荐 《无人驾驶:人工智能如何颠覆汽车》 书比较薄,和上本类似,入门推荐 《第一本无人驾驶技术书》入门推荐 《自动驾驶技术概论》 北京航空航天大学和百度自动驾驶事业群组联合编写

2、 Planning

《PLANNING ALGORITHMS》 规划算法介绍,英文版

3、高精度地图和定位

《视觉SLAM十四讲》高精度地图和定位需要的基础知识

4、车联网

  • 车联网白皮书(C-V2X白皮书)
  • 车联网白皮书(2018年)
  • 车联网网络安全白皮书(2017年)
  • 车联网白皮书(2017年)
  • C-V2X业务需求演进
  • 车辆高精度定位白皮书
  • C-V2X产业化路径和时间表研究白皮书
  • LTE-V2X安全技术白皮书
  • MEC与C-V2X融合 应用场景
  • C-V2X白皮书

主要介绍了V2X的架构演进和一些产业研究,对CV2X的技术方案了解非常有帮助。

自动驾驶技术栈

这里主要对自动驾驶技术做了硬件和软件2个大类的划分,图片如果不清晰可以查看思维导图原图链接

开源项目

开源项目也是学习的重要方面

1、全栈

Apollo - 百度的自动驾驶项目,集成了无人驾驶的各个模块,很值得推荐 autoware - 名古屋大学的自动驾驶项目,最早的自动驾驶开源项目之一

2、仿真

Udacity- 优达学城的自动驾驶仿真平台 Carla- Intel和丰田合作的自动驾驶项目 AirSim- 微软的仿真平台,还可以用于无人机 lgsvl- LG的自动驾驶仿真平台

数据集

1、驾驶数据集

  • KITTI 目前最知名的自动驾驶数据集之一,一些创业公司都会拿里面的数据进行排名比赛。
  • Cityscapes 目标是理解街景的语义,主要是针对城市街景做语义解析。
  • Mapillary 是一个由位于瑞典马尔默的Mapillary AB开发,用来分享含有地理标记照片的服务。其创建者想要利用众包的方式来把整个世界(不仅是街道)以照片的形式存储。
  • comma.ai's Driving Dataset 目的是低成本的自动驾驶方案,目前是通过手机改装来做自动驾驶,开源的数据主要是行车记录仪的数据。
  • Udacity's Driving Dataset 优达学城的自动驾驶数据集,优达学城真的是业界良心,希望国内也多点靠谱的网课。
  • Washington DC's Lidar Data 看起来像是亚马逊的数据?
  • Apolloscape 百度的自动驾驶数据集,有很多复杂场景的道路,同意用数据要同意很长一段声明。
  • BDDV Berkeley的大规模自动驾驶视频数据集。
  • Oxford RobotCar 对牛津的一部分连续的道路进行了上百次数据采集,收集到了多种天气、行人和交通情况下的数据,也有建筑和道路施工时的数据。1000小时以上。
  • nuscenes aptiv提供的数据集,带标注,宣称是目前最大的数据集之一,资源在Amazon S3,目前被墙,后面看是否做个镜像。
  • Waymo open dataset waymo在CVPR2020上提供的自动驾驶数据集,数据量和场景都非常完整。

2、交通标志数据集

论文

1、论文下载 论文下载地址:无人驾驶论文合集。同时论文下载强烈推荐,感谢这个网站的作者。

removing barriers in the way of science

2、自动驾驶综述

Self-Driving Cars: A Survey Towards Fully Autonomous Driving: Systems and Algorithms A Survey of Autonomous Driving: Common Practices and Emerging Technologies A Survey of Deep Learning Techniques for Autonomous Driving

3、定位

下面总结了目前主流的定位方法,以及其优缺点,参考"A Survey of Autonomous Driving: Common Practices and Emerging Technologies"需要的自取

1.state-of-art定位综述

A survey of the state-of-the-art localization techniques and their potentials for autonomous vehicle applications

2.SLAM方法在自动驾驶领域应用综述

Simultaneous localization and mapping: A survey of current trends in autonomous driving

3.斯坦福DARPA比赛开山之作,主要是关于SLAM方法

Map-Based Precision Vehicle Localization in Urban Environments Robust Vehicle Localization in Urban Environments Using Probabilistic Maps

4.百度GNSS和点云定位融合方案

Robust and Precise Vehicle Localization based on Multi-sensor Fusion in Diverse City Scenes

4、感知

1)计算机视觉在自动驾驶应用综述 Computer Vision for Autonomous Vehicles:Problems, Datasets and State-of-the-Art

2)物体识别综述

  • Object Detection With Deep Learning: A Review
  • 50 Years of object recognition: Directions forward
  • Deep Learning for Generic Object Detection: A Survey
  • Object Detection in 20 Years: A Survey - 2019

3)道路和车道识别

Recent progress in road and lane detection: a survey

4)传感器融合

  • Multisensor data fusion: A review of the state-of-the-art

  • A Review of Data Fusion Techniques

  • A COMPREHENSIVE REVIEW OF THE MULTI-SENSOR DATA FUSION ARCHITECTURES

  • A Survey of Multisensor Fusion Techniques, Architectures and Methodologies 5)多目标跟踪

  • SIMPLE ONLINE AND REALTIME TRACKING

  • SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC

  • Deep Learning-based Vehicle Behaviour Prediction For Autonomous Driving Applications: A Review

  • Multiple Object Tracking: A Literature Review

  • DEEP LEARNING IN VIDEO MULTI-OBJECT TRACKING: A SURVEY

  • Deep Learning for Visual Tracking: A Comprehensive Survey

  • Learning to Divide and Conquer for Online Multi-Target Tracking

  • An Experimental Survey on Correlation Filter-based Tracking

5、预测

  • A Review of Tracking, Prediction and Decision Making Methods for Autonomous Driving
  • Human Motion Trajectory Prediction: A Survey
  • Deep Learning-based Vehicle Behaviour Prediction For Autonomous Driving Applications: A Review
  • A survey on motion prediction and risk assessment for intelligent vehicles

6、规划控制

综述论文

  • A Survey of Motion Planning and ControlTechniques for Self-driving Urban Vehicles
  • A Review of Motion Planning Techniques for Automated Vehicles
  1. 百度EMplanner论文

Baidu Apollo EM Motion Planner

7、End-to-End

端到端自动驾驶

End to End Learning for Self-Driving Cars - 2016 NVIDIA

8、V2X

v2x测试综述 A Survey of Vehicle to Everything (V2X) Testing

9、DARPA

DARPA城市挑战赛是无人驾驶技术的鼻祖,下面是参赛的队伍发表的论文集

  • Autonomous Driving in Urban Environments:Boss and the Urban Challenge
  • Motion Planning in Urban Environments
  • Junior: Stanford in The Urban Challenge
  • Odin: Team VictorTango’s entry in the DUC
  • A Perception-Driven Autonomous Urban Vehicle
  • Little Ben: The Ben Franklin Racing Team’s Entry in the 2007 DARPA Urban Challenge
  • Team Cornell’s Skynet: Robust Perception and Planning in anUrban Environment
  • A Practical Approach to Robotic Design for the DARPA Urban Challenge
  • Team AnnieWAY’s Autonomous System for the DARPA Urban Challenge 2007
  • Driving with Tentacles: Integral Structures for Sensingand Motion
  • Caroline: An Autonomously Driving Vehicle for Urban Environments
  • The MIT–Cornell Collision and Why It Happened
  • A Perspective on Emerging Automotive Safety Applications,Derived from Lessons Learned through Participation in the DARPA Grand Challenges
  • TerraMax: Team Oshkosh Urban Robot

来源:本回答来自知乎-王方浩,已获作者授权。原链接:https://zhuanlan.zhihu.com/p/58422485

收藏
2021-04-20 16:40 更新 饮水思源 •  7797