MatrixManipulation,matlab 2010b

来源:知乎

无人驾驶,从软件的功能模块来看有这么几个,给打算自学且正在选择方向的一个参考:

01. 地图&定位

SLAM是自动驾驶最先在做的领域了。在建图这一块,前几年还在给大家普及什么叫高精度地图,但现在传统的图商也能又快又好地做出来一张高精度地图了,就是标准不一致比较难搞。

要学SLAM,有几个必备的资料:

Cyrill Stachniss的youtube线上课程和课件Sebastian Thrun的书Probabilistic RoboticsSLAM: The Essential AlgorithmsA practical introduction to pose-graph SLAM with ROSProbabilistic Systems Analysis and Applied Probability

以及,多看点最新的paper,试下最新的算法。

02. 感知

感知是最基础的,也是业内前几年在重点发力的模块,目前感知单靠计算机视觉或者单靠雷达都是不可靠的,所以要学就学最核心的一块——多传感器融合和时序融合。

前几年搞算法是最吃香的,算法研发的薪资简直高到离谱,但这个领域的门槛是很高的,如果不是手握多篇顶会paper,就不要轻易尝试了,前几年也一下子被资本催生得过火了。

多传感器融合和时序融合先要会C ,列了些入门的免费课程:

C Tutorial for Complete BeginnersLearn C by CreatingC , Short, and Sweet, Part 1C Programming BasicsBeginning C Templates

C 学得差不多,就该打ACM了

How to prepare for ACM – ICPC?

对实时定位也要懂(不懂的翻回去看上面)

了解下系统动力学(System dynamics)

Introduction to System Dynamics

以及运动学建模(kinematics modeling)

Kinematic Model – an overviewKinematics: Describing the Motions of Spacecraft

多传感器融合相关资料:

Handbook of Multisensor Data Fusion: Theory and Practice, Second EditionStatistical Sensor Fusion. Fredrik Gustafsson. Studentlitteratur, 2018.Statistical Sensor Fusion. Exercises. Christian Lundquist, Zoran Sjanic, and Fredrik Gustafsson. Studentlitteratur, 2015.Statistical Sensor Fusion Matlab ToolboxAndroid app Sensor Fusion app

如果你还是对算法情有独钟,那就先从计算机视觉开始吧:

Tombone’s Computer Vision Blog: From feature descriptors to deep learning 20 years of computer visionAndrew Ng的Machine Learning课程Convolutional Neural Networks for Visual RecognitionTombone’s Computer Vision BlogAndrej Karpathy blog实践下Google Vision API03. 仿真

为什么不把更重要的决策规划放在前面?因为仿真也是一个基础模块,自动驾驶仿真软件很多,比如Perscan、Carmaker、VTD,以及开源的Carla、Airsim等。

虽然现在业内更多公司用的基于游戏引擎做的仿真系统,但是看看Waymo的Carcraft,还是自己研发的仿真系统,个人感觉这个才是大势所趋。

必备技能C

全栈开发能力也需要很强,以下也是些免费的资料

Learn X in Y MinutesWhat CS Majors Should KnowGoogle’s Technical Development GuideCSS Tricks — Complete Flexbox GuideRegex Cheat SheetDevDocsAwesome List of Everything ProgrammingHow to Break Into the Tech Industry — a Guide to Job Hunting and Tech Interviews

学一下AngularJS 或 Angular2

AngularJS For BeginnersAngularJS: Framework Fundamentals

机器学习也还得略懂一二

Free Machine Learning Course (fast.ai)Machine Learning Course by Stanford University (Coursera)Deep Learning Course (deeplearning.ai)Machine Learning Course A-Z?: Hands-On Python & R In Data Science (Udemy)Free Machine Learning Data Science Course (Harvard University)04. 运动决策规划

这是目前在重点攻克的难题,可以说也是潜力最大的领域。许多人都是从机器人转过来的。

重要的事说三遍:C ,C ,C

ROS入门

Tutorials : InstallationPowering the world’s robotsUBC Open RoboticsLearn TurtleBot and ROSHusky UR5 Mobile Manipulation Demo

重点了解下运动优化(Trajectory optimization)

Introduction to Trajectory OptimizationOverview of Trajectory Optimization TechniquesUnderactuated Robotics – Lecture 9: Trajectory OptimizationAn Overview of Planning Under Uncertainty

深度学习也是一定要会的

Neural Networks and Deep Learning-Andrew NgHow to Learn Machine Learning, The Self-Starter WayJeremy Howard: The wonderful and terrifying implications of computers that can learnBlaise Agüera y Arcas: How computers are learning to be creativeAnthony Goldbloom: The jobs we’ll lose to machines — and the ones we won’t

以上,还是先从挑一个方向开始吧。

本站部分内容由互联网用户自发贡献,该文观点仅代表作者本人,本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规等内容,请举报!一经查实,本站将立刻删除。
本站部分内容由互联网用户自发贡献,该文观点仅代表作者本人,本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如发现本站有涉嫌抄袭侵权/违法违规等内容,请<举报!一经查实,本站将立刻删除。