教学视频

1. 综合

• 百度和优达学城合作课程（入门推荐）

• Apollo自动驾驶 - 百度技术学院

• 多伦多大学自动驾驶Coursera公开课

• MIT自动驾驶公开课

• MIT自动驾驶访谈（主要是一些业界大神的分享）

2. 定位

• iMorpheusAI的自频道-优酷视频

• 【高翔】视觉SLAM十四讲

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

自动驾驶技术栈^[1]

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。

2. 交通标志数据集

• KUL Belgium Traffic Sign Dataset 比利时的一个交通标志数据集。

• German Traffic Sign 德国交通标注数据集 。

• STSD 超过20 000张带有20％标签的图像，包含3488个交通标志。

• LISA 超过6610帧上的7855条标注。

• Tsinghua-Tencent 100K 腾讯和清华合作的数据集，100000张图片，包含30000个交通标志实例。

论文

1. 论文下载

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

1. Self-Driving Cars: A Survey

2. Towards Fully Autonomous Driving: Systems and Algorithms

3. A Survey of Autonomous Driving: Common Practices and Emerging Technologies

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

5.预测

A Review of Tracking, Prediction and Decision Making Methods for Autonomous Driving

6. 规划控制

1. 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

2. 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

1. 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

1. Autonomous Driving in Urban Environments:Boss and the Urban Challenge

2. Motion Planning in Urban Environments

3. Junior: Stanford in The Urban Challenge

4. Odin: Team VictorTango’s entry in the DUC

5. A Perception-Driven Autonomous Urban Vehicle

6. Little Ben: The Ben Franklin Racing Team’s Entry in the 2007 DARPA Urban Challenge

7. Team Cornell’s Skynet: Robust Perception and Planning in anUrban Environment

8. A Practical Approach to Robotic Design for the DARPA Urban Challenge

9. Team AnnieWAY’s Autonomous System for the DARPA Urban Challenge 2007

10. Driving with Tentacles: Integral Structures for Sensingand Motion

11. Caroline: An Autonomously Driving Vehicle for Urban Environments

12. The MIT–Cornell Collision and Why It Happened

13. A Perspective on Emerging Automotive Safety Applications,Derived from Lessons Learned through Participation in the DARPA Grand Challenges

14. TerraMax: Team Oshkosh Urban Robot

参考

博客

1.资料合集

• apollo代码分析

• 如何开始无人驾驶学习？

• 感知物体识别论文集

• 强化学习资料合集

2.高精度地图

• apollo介绍之map模块（二）

• 高精度地图制作

• 高精度地图制作(二)

• 高精度地图制作（三）