点击蓝字，一键连接过去~~
（@转载请注明出处@）
| 智能底盘 | 感知与融合 | 规划与控制 | 嵌入硬件 |
|---|---|---|---|
| 自动驾驶底盘详解 | 多传感器融合详解 | 自动驾驶汽车的规划与控制(介绍) | 汽车电子控制单元（ECU）的架构—DCU和MDC域控制器 |
| 汽车各种控制器VCU、TCU、SCU、INS、MFS、BCM、IKEY、ESC、EPS、ESP、EPB、SAS等 |
| Docker | 配准算法 | CAN | 自动驾驶名词解释 |
|---|---|---|---|
| 只要一小时，零基础入门Docker | PCL中的点云配准（Registration）ICP算法 | 自动驾驶(45)—汽车标定-XCP简述 XCP协议基础知识 - 协议层 |
ADAS中的LDW、FCW、BSD、LCA、ACC、AEB、APA、DMS代表的含义 AVM环视 |
| 无人驾驶汽车系统入门（十三）——正态分布变换（NDT）配准与无人车定位 |
宇通无人驾驶大客车软件系统架构
无人驾驶汽车硬件连接图
| 自动驾驶中计算机视觉研究 | 解释说明 |
|---|---|
| 控制模块 | 此模块用于控制汽车的速度、转向、刹车行为，靠线控执行器（方向盘线控、油门与制动线控、档位线控） |
| 决策模块 | 无人车一般选用工业环境下的计算机——工控机。该模块用于根据汽车所处的环境决策出汽车下一步需要采取的运动方式，该模块需要依赖GPS系统及计算机视觉系统，GPS系统用于对汽车运动的路径作全局规划，而计算机视觉系统则主要根据路况实时调整汽车行驶策略 |
| 目标检测 | |
| 感知模块 | 该模块分为环境感知和车辆定位 |
| 环境感知：动态目标检测（车辆、行人和非机动车）、静态物体识别（交通标志和红绿灯）、可行驶区域的分割（道路区域和车道线）。这里需要用到的主要是各种传感器（比如摄像头，激光雷达，毫米波雷达等）。 | |
| 摄像头适用于目标分类 | |
| 激光雷达适用于近距的目标检测和测距 | |
| 感知算法要完成两个主要的任务：物体检测和语义分割 | |
| 车辆定位则根据环境感知得到的信息来确定车辆在环境中所处位置，这里需要高精度地图，以及惯性导航（IMU）和全球定位系统（GPS）的辅助 | |
如下图所示，在一个控制周期内，传感器负责感知周围环境及自身状态，计算机中的软件系统负责环境建模、决策与规划，执行器负责执行指令并反馈结果。控制周期一般为毫秒级，由多种传感器采样频率、软件算法复杂度、计算机性能以及执行器频率决定。控制周期不能太长，太长则不能对突发情况进行及时处理，也不能太短，太短则会造成计算及执行器负载过高。正常人类驾驶员的反应时间为0.2秒左右，宇通无人驾驶大客车的控制周期为50毫秒，可以满足城市工况高速行驶要求。
| 传感器名称 | 传感器原理 |
|---|---|
| 毫米波雷达 | 毫米波雷达原理介绍 ， 在车载毫米波雷达中，目前主要有三种调制方案：调频连续波（Frequency Modulated Continuous Wave, FMCW）(常用)，频移键控（Frequency Shift Keying, FSK）以及相移键控（Phase Shift Keying, PSK）。Fmcw毫米波雷达原理 。自动驾驶感知——毫米波雷达。 |