自动驾驶 | Apollo无人驾驶课程笔记0

Posted 2022-09-22 人工智能博士

在公众号【计算机视觉联盟】后台回复【9076】获取我的AI学习笔记；我的微信：Kingsplusa；    --by 王博Kings，985AI博士，CSDN博客专家，华为云专家

我用了一周的晚上，将Apollo基础入门课程学习了一遍

本笔记是Apollo内容概述及目录

首先而言，本课程不需要很多基础，以科普为主要，让大家有很好的整体理解

第一课：无人驾驶概览

课程简介： 了解无人驾驶车的关键部分与 Apollo 团队架构，开启无人驾驶入门的学习路径。

1.欢迎学习Apollo课程

2.你将学到什么？

3.什么是无人驾驶？

4.Sebastian欢迎辞

5.无人驾驶车的运作方式

6.Apollo团队与架构

7.参考车辆与硬件平台

8.开源软件架构

9.云服务

10.无人驾驶车纳米学位

11.开启专题学习之旅

第二课： 高精度地图

课程简介：了解高精度地图的实现逻辑，这是 Apollo 定位、感知、规划模块的基础。

1.地图简介

2.Sebastian介绍高精度地图

3.高精度地图vs传统地图

4.地图与定位、感知与规划的关系_a

5.地图与定位、感知与规划的关系_b

6.地图与定位、感知与规划的关系_c

7.Apollo高精度地图

8.Apollo高精度地图构建

9.课程综述

第三课：定位

课程简介： 了解车辆如何以个位数厘米级别的精度进行自定位。

1.定位简介

2.Sebastian介绍定位

3.GNSSRTK_a

4.GNSSRTK_b

5.惯性导航_a

6.惯性导航_b

7.激光雷达定位

8.视觉定位

9.Apollo定位

10.项目示例:被盯上的小车

11.课程综述

第四课：感知

课程简介： 了解不同的感知任务，例如分类、检测和分割，并学习对感知而言至关重要的卷积神经网络。

1.感知简介

2.Sebastian介绍感知

3.计算机视觉

4.摄像头图像

5.LiDAR图像

6.机器学习

7.神经网络

8.反向传播算法

9.卷积神经网络

10.检测与分类

11.跟踪

12.分割

13.Apollo感知

14.传感器数据比较

15.感知融合策略

16.项目示例：感知与融合

17.课程综述

第五课：预测

课程简介： 学习不同的预测方式，让 Apollo 无人驾驶车预测其他车辆或行人是如何移动的。

1.预测简介_a

2.预测简介_b

3.Sebastian介绍预测

4.不同的预测方式

5.基于车道的预测

6.障碍物状态

7.预测目标车道

8.递归神经网络

9.递归神经网络在目标车道预测的应用

10.轨迹生成

11.课程综述

第六课：规划

课程简介：了解 Apollo 应用于无人驾驶车路径规划的几种不同方式。

1.规划简介

2.Sebastian介绍规划

3.路由

4.世界到图

5.网格世界_a

6.网格世界_b

7.网格世界_c

8.A*

9.从路由到轨迹

10.3D轨迹

11.评估一条轨迹_a

12.评估一条轨迹_b

13.Frenet坐标

14.路径-速度解耦规划

15.路径生成与选择

16.ST图

17.速度规划

18.优化

19.路径-速度规划的轨迹生成

20.Lattice规划

21.ST轨迹的终止状态

22.SL轨迹的终止状态

23.Lattice规划的轨迹生成

24.项目示例:路径规划

25.课程综述

第七课：控制

课程简介：了解无人驾驶车是如何使用方向盘、油门和刹车来执行我们规划好的轨迹，并掌握 Apollo 中不同类型的控制器。

1.控制简介

2.Sebastian介绍控制

3.控制流程_a

4.控制流程_b

5.PID控制_a

6.PID控制_b

7.PID控制_c

8.PID优劣对比

9.线性二次调节器

10.模型预测控制

11.时间范围与车辆模型

12.MPC优化

13.MPC优劣对比

14.项目示例：控制

15.课程综述

第八课：结束旅程

课程简介：完成课程后，你可以在此收获更多关于无人驾驶的学习建议，以开启你的无人驾驶工程师职业生涯。

1.恭喜你完成课程学习

2.Sebastian祝贺辞