內容摘自《自動駕駛系統設計及應用》一書
汽車自動駕駛技術：依靠計算機與人工智慧技術在沒有人為操縱的情況下，完成完整、安全、有效的駕駛汽車的一項前沿技術
主要包括：環境感知、決策規劃和運動控制
感知層用來完成對車輛周圍環境的感知識別，主要目的是獲取處理並處理環境。汽車自動駕駛常用的感測器主要包括攝像頭、公釐波雷達、雷射雷達、超聲波雷達、紅外夜視、以及用於定位和導航的gps(全球定位系統)和imu（慣性測量單元，還有協同式全域性資料輔助，可以擴充套件智慧型車的環境感知能努力，如高精度地圖，v2x車聯網技術
決策層作用與人類駕駛員類似，主要分為兩步：
第一步是認知理解：根據感知層收集的資訊，做出對車輛自身的精確定位，對車輛周圍環境的準確判斷
第二部是決策規劃：對接下來可能發生情況的準確**，對下一步行動的準確判斷和規劃，選擇合適的路徑達到目標
控制層：通過線控技術完成執行機構的電動化，達到電子制動，電子驅動和電子轉向，並控制車輛響應，保證控制精度，對目標車速、路徑進行跟蹤。
感知系統通過各種型別的感測器採集、接收的資料，通過匯流排進行整合，再通過資料的融合和智慧型化處理，輸出自動駕駛所需的環境感知資訊，車載感測器的優化配置，可以在保證精度和安全性的基礎上，降低整體成本
主控系統由硬體部分高效能車載整合計算機平台和軟體部分智慧型車載作業系統組成。計算機平台融合了感測器、高精度地圖、v2x感知資訊進行認知和決策計算。
雲端主要完成4個功能：
1.資料儲存：智慧型車路測中實時採集的資料量非常大，需要傳輸到雲端進行分布式儲存
2.**測試：開發的新演算法在部署車上之前會在雲端的模擬器上進行
3.高精度地圖生成：地圖的生成採用眾包形式，把每輛在路上行駛的智慧型車實時採集到雷射點雲或者資料感測器上上傳雲端，實現高精度地圖的完善和更新
4.深度學習模型訓練：自動駕駛的決策層使用了多種不同的深度學習模型，對於沒有出現過的情況車輛無法處理，因此需要持續不斷地通過新資料進行模型訓練，來提公升演算法的處理能力，由於訓練的資料量非常大，所以要在雲端完成。
自動駕駛規劃概述
自動駕駛的規劃模組一般分為三層 任務規劃 行為規劃和動作規劃，也有稱為路由尋徑 行為決策和區域性規劃。對應我們日常出行，通常會先開啟導航軟體，找到出發地和目的地之間的路線 路由尋徑 然後在沿著導航路徑行駛的過程中，針對遇到的不同交通狀況決定是停車還是超車或是其他行為，最後根據上一步的決定重新規劃一條...
自動駕駛汽車與自動駕駛網路
談到自動駕駛網路很容易讓人聯想到自動駕駛汽車，恰好讀到google的工程師用自動駕駛汽車和自動駕駛網路做的乙個模擬，感覺很有道理的樣子，記錄並分享一下 開發一輛自動駕駛汽車所需要的 1 一輛比較現代的車 2 各式各樣的感測器 效能強大的計算機 ai軟體。3 大量的訓練和測試。類似地，開發自動駕駛網路...
自動駕駛相關
計畫 2021年1月10號前，查資料，了解相關資訊 學習目標 1 路徑規劃，有地圖的基礎上，起點到終點的路徑規劃 2 路徑規劃的技術上，避障等如何實現 自動駕駛工程師，谷歌認證機器學習專家，蘭州大學無人駕駛團隊創始人，主攻深度學習，無人駕駛汽車方向。學習資料記錄 優達學城 學習筆記 20200102...