通過本課程,開發者將瞭解自動駕駛的重要模塊,掌握 Apollo 高精度地圖、定位、感知、預測、規劃與控制等模塊的相關知識,開啟自動駕駛的學習路徑。
課程地址:
http://apollo.auto/devcenter/devcenter_cn.html
課程簡介
無人駕駛第一課:從 Apollo 起步
第一課:自動駕駛概覽
瞭解無人駕駛車的關鍵部分與Apollo 團隊架構,開啟無人駕駛入門的學習路徑。
1.歡迎學習 Apollo 課程
2.你將學到什麼?
3.什麼是無人駕駛?
4.Sebastian 歡迎辭
5.無人駕駛車的運作方式
6.Apollo 團隊與架構
7.參考車輛與硬件平臺
8.開源軟件架構
9.雲服務
10.無人駕駛車納米學位
11.開啟專題學習之旅
第二課:高精度地圖
瞭解高精度地圖的實現邏輯,這是Apollo 定位、感知、規劃模塊的基礎。
1.地圖簡介
2.Sebastian 介紹高精度地圖
3.高精度地圖 vs 傳統地圖
4.地圖與定位、感知與規劃的關係_a
5.地圖與定位、感知與規劃的關係_b
6.地圖與定位、感知與規劃的關係_c
7.Apollo 高精度地圖
8.Apollo 高精度地圖構建
9.課程綜述
第三課:定 位
瞭解車輛如何以個位數釐米級別的精度進行自定位。
1.定位簡介
2.Sebastian 介紹定位
3.GNSS RTK_a
4.GNSS RTK_b
5.慣性導航_a
6.慣性導航_b
7.激光雷達定位
8.視覺定位
9.Apollo 定位
10.項目示例:被盯上的小車
11.課程綜述
第四課:感 知
瞭解不同的感知任務,例如分類、檢測和分割,並學習對感知而言至關重要的卷積神經網絡。
1.感知簡介
2.Sebastian 介紹感知
3.計算機視覺
4.攝像頭圖像
5.LiDAR 圖像
6.機器學習
7.神經網絡
8.反向傳播算法
9.卷積神經網絡
10.檢測與分類
11.跟蹤
12.分割
13.Apollo 感知
14.傳感器數據比較
15.感知融合策略
16.項目示例:感知與融合
17.課程綜述
第五課:預 測
學習不同的預測方式,讓Apollo無人駕駛車預測其他車輛或行人是如何移動的。
1.預測簡介_a
2.預測簡介_b
3.Sebastian 介紹預測
4.不同的預測方式
5.基於車道的預測
6.障礙物狀態
7.預測目標車道
8.遞歸神經網絡
9.遞歸神經網絡在目標車道預測的應用
10.軌跡生成
11.課程綜述
第六課:規 劃
瞭解 Apollo 應用於無人駕駛車路徑規劃的幾種不同方式。
1.規劃簡介
2.Sebastian 介紹規劃
3.路由
4.世界到圖
5.網格世界_a
6.網格世界_b
7.網格世界_c
8.A*
9.從路由到軌跡
10.3D 軌跡
11.評估一條軌跡_a
12.評估一條軌跡_b
13.Frenet 座標
14.路徑 - 速度解耦規劃
15.路徑生成與選擇
16.ST 圖
17.速度規劃
18.優化
19.路徑-速度規劃的軌跡生成
20.Lattice 規劃
21.ST 軌跡的終止狀態
22.SL 軌跡的終止狀態
23.Lattice 規劃的軌跡生成
24.項目示例: 路徑規劃
25.課程綜述
第七課:控 制
瞭解無人駕駛車是如何使用方向盤、油門和剎車來執行我們規劃好的軌跡,並掌握 Apollo 中不同類型的控制器。
1.控制簡介
2.Sebastian 介紹控制
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 優劣對比
9.線性二次調節器
10.模型預測控制
11.時間範圍與車輛模型
12.MPC 優化
13.MPC 優劣對比
14.項目示例:控制
15.課程綜述
第八課:結束旅程
完成課程後,你可以在此收穫更多關於無人駕駛的學習建議,以開啟你的無人駕駛工程師職業生涯。
1.恭喜你完成課程學習
2.Sebastian 祝賀辭
在課程學習中,開發者還可以加入Udacity X Apollo學習交流群,與更多開發者交流學習課程中的體驗心得,共同學習自動駕駛技術。
閱讀更多 半杯茶的小酒杯 的文章