Skip to content

自动驾驶笔记,以解析各模块知识点、整合行业优秀解决方案进行阐述,以帮助自己及有需要的读者;包含深度学习、deeplearning、无人驾驶、BEV、Transformer、ADAS、CVPR、特斯拉AI DAY、大模型、chatgpt等内容.

License

Notifications You must be signed in to change notification settings

gotonote/Autopilot-Notes

Folders and files

NameName
Last commit message
Last commit date

Latest commit

04e38c8 · May 19, 2024

History

1 Commit
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024
May 19, 2024

Repository files navigation

《自动驾驶笔记 Autopilot Notes》

同步更新:

gitee

github

封面

重点

由于作者水平有限,希望大家积极提交改进意见, 您可按文章撰写规范对相关内容进行修改或新增。我们一起对内容进行整理、完善,确保文档的准确性

一、内容简介

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。

二、自动驾驶分级(SAE 美国汽车工程协会)

自动驾驶分级

三、架构

架构 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。

四、目录

1. 基础
|---- 1.1 坐标系
|-------- 1.1.1 坐标系
|---- 1.2 参数
|-------- 1.2.1 相机模型—内参、外参
|---- 1.3 滤波
|-------- 1.3.1 卡尔曼滤波-KalmanFilter
|---- 1.4 图像变换
|-------- 1.4.1 图像变换介绍
|-------- 1.4.2 逆透视变换IPM
|---- 1.5 三维重建
|-------- 1.5.1 NeRF
|---- 1.6 数据集
|-------- 1.6.1 Argoverse
|-------- 1.6.2 nuScenes
|---- 1.7 Transformer
|---- 1.8 NLP自然语言处理
|---- 1.9 神经网络结构搜索(NAS)
|---- 1.10 强化学习
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
|---- 2.4 传感器标定
|-------- 2.4.1 内参标定
|------------ 2.4.1.1 相机内参标定
|------------ 2.4.1.2 张正友相机标定法
|-------- 2.4.2 外参标定
|------------ 2.4.2.1 离线标定
|------------ 2.4.2.2 在线标定
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
|-------- 3.3.1 LSS
|---- 3.4 Occupany Network
|-------- 3.4.1 SurroundOcc
4. 定位
5. 策略规划
|---- 5.1 预测
|-------- 5.1.1 基于车道序列的预测
|---- 5.2 路线规划
|---- 5.3 轨迹规划
|-------- 5.3.1 笛卡尔坐标下的规划
|-------- 5.3.2 Lattice规划
6. 控制
|---- 6.1 PID控制
|---- 6.2 线性二次调节器(LQR)
|---- 6.3 模型控制预测(MPC)
7. 产品
|---- 7.1 ADAS
|---- 7.2 DMS
8. 工具
|---- 8.1 可视化
|-------- 8.1.1 AVS(Autonomous Visualization System)
|---- 8.2 仿真
|-------- 8.2.1 Carla仿真
|---- 8.3 TensorRT 加速
|-------- 8.3.1 TensorRT安装配置
|-------- 8.3.2 TensorRT加速原理
|-------- 8.3.3 TensorRT源码分析
|---- 8.4 SNPE
|-------- 8.4.1 Snapdragon NPE Runtime
|-------- 8.4.2 AIP Runtime
9. 厂商方案
|---- 9.1 特斯拉 AI Day2022
|-------- 9.1.1 路径以及运动规划算法
|-------- 9.1.2 环境感知算法
|-------- 9.1.3 训练算法、设施、软件
|-------- 9.1.4 数据标注、采集、虚拟化
|---- 9.2 百度阿波罗apollo
|-------- 9.2.1 Apollo 8.0 技术新特性解读
|---- 9.3 Openpilot \

About

自动驾驶笔记,以解析各模块知识点、整合行业优秀解决方案进行阐述,以帮助自己及有需要的读者;包含深度学习、deeplearning、无人驾驶、BEV、Transformer、ADAS、CVPR、特斯拉AI DAY、大模型、chatgpt等内容.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published