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
