自动驾驶笔记，解析各模块知识点、阐述行业优秀解决方案

10:12

#0

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。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。
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.

ch01_基础11个子项

1.1 坐标系2个子项

1.1.1 坐标系.md

imgs

1.10 强化学习3个子项

imgs

1.2 参数2个子项

1.2.1 相机模型—内参、外参.md

imgs

1.3 滤波2个子项

1.3.1 卡尔曼滤波-KalmanFilter.md

imgs

1.4 图像变换3个子项

1.4.1 图像变换介绍.md

1.4.2 逆透视变换IPM.md

imgs

1.5 三维重建3个子项

1.5.1 NeRF2个子项

imgs

imgs

1.6 数据集4个子项

1.6.1 Argoverse.md

1.6.2 nuScenes.md

imgs

1.7 Transformer2个子项

imgs

1.8 NLP自然语言处理3个子项

imgs

1.9 神经网络结构搜索(NAS)2个子项

imgs

ch02_硬件7个子项

2.1 传感器9个子项

2.1.1 摄像头.md

2.1.2 激光雷达.md

2.1.3 毫米波雷达.md

2.1.4 超声波雷达.md

2.1.5 GPS定位导航.md

2.1.6 IMU惯性传感器.md

imgs

2.2 计算单元3个子项

imgs

2.3 辅助单元4个子项

imgs

2.4 传感器标定5个子项

2.4.1 内参标定3个子项

2.4.1.1 相机内参标定.md

2.4.1.2 张正友相机标定法.md

imgs

2.4.2 外参标定5个子项

2.4.2.1 离线标定.md

2.4.2.2 在线标定.md

imgs

imgs

imgs

ch03_感知5个子项

3.1 2D目标检测4个子项

3.1.1 车道线检测.md

3.1.2 2D目标检测.md

imgs

3.2 3D目标检测5个子项

3.2.1 基于LiDAR的3D目标检测3个子项

imgs

3.2.2 基于摄像头的3D目标检测3个子项

imgs

imgs

3.3 BEV4个子项

imgs

3.4 Occupany Network4个子项

3.4.1 SurroundOcc.md

imgs

ch04_定位2个子项

ch05_策略规划5个子项

5.1 预测4个子项

5.1.1 基于车道序列的预测.md

imgs

5.2 路线规划3个子项

imgs

5.3 轨迹规划5个子项

5.3.1 笛卡尔坐标下的规划.md

5.3.2 Lattice规划.md

imgs

ch06_控制6个子项

6.1 PID控制.md

6.2 线性二次调节器(LQR).md

6.3 模型控制预测(MPC).md

imgs

ch07_产品2个子项

7.1 ADAS3个子项

imgs

7.2 DMS3个子项

imgs

ch08_工具5个子项

8.1 可视化1个子项

8.1.1 AVS（Autonomous Visualization System）2个子项

8.2 仿真1个子项

8.2.1 Carla仿真2个子项

8.3 TensorRT加速5个子项

8.3.1 TensorRT安装配置.md

8.3.2 TensorRT加速原理.md

8.3.3 TensorRT源码分析.md

imgs

8.4 SNPE4个子项

8.4.1 Snapdragon NPE Runtime.md

8.4.2 AIP Runtime.md

imgs

ch09_厂商方案2个子项

9.1 特斯拉 AI Day20227个子项

9.1.1 路径以及运动规划算法.md

9.1.2 环境感知算法.md

9.1.3 训练算法、设施、软件.md

9.1.4 数据标注、采集、虚拟化.md

imgs

9.2 百度阿波罗apollo2个子项

9.2.1 Apollo 8.0 技术新特性解读.md

imgs

imgs

文章撰写规范.md

点赞回复