博主是《学习OpenCV4：基于Python的算法实战》和《深度学习计算机视觉实战》图书的作者，目前从事自动驾驶感知融合算法和SLAM建图开发，分享内容包括深度学习、计算机视觉、OpenCV、自动驾驶、SLAM、C++/Python语言开发等方向的内容。
《学习OpenCV4：基于Python的算法实战》：OpenCV4所有模块系统讲解，200+个实战案例，Python/C++双语编写（Python为主），对入门学习很有帮助。
《深度学习计算机视觉实战》：算法理论、算法实战案例到算法模型部署都有系统讲解，特别是模型部署目前学习资源少，但是对于算法学习很重要，本书部署基于Tensorflow Lite（所有框架部署流程基本一样），还有模型优化，模型转换等方向的详细讲解。
GPS
GPS全名叫Global Positioning System，全球定位系统，最早起源于美国的军事项目，美国的这种系统叫GPS，我们中国也有全球定位系统，叫北斗；战斗民族也有，叫格洛纳斯；欧盟也有，叫伽利略。
IMU
GPS得到的经纬度信息作为输入信号传入IMU，IMU再通过串口线与控制器相连接，以此获取更高频率的定位结果。
IMU有三个部分组成：加速度计（Accelerometer)、陀螺仪 (Gyroscope)、磁力计(Magnetometer)。
相机
相机根据镜头和布置方式的不同主要有以下四种：单目相机、双目相机、三目相机和环视相机。单目相机模组只包含一个相机和一个镜头，单目相机物体越远测距精度越低。
双目相机能得到测距结果和提供图像分割能力，但是双目测距原理对两个摄像头的安装位置和距离要求较多，这会给相机标定带来麻烦。
三目相机是三个不同焦距的单目相机的组合，分别为前视窄视野摄像头（最远感知250m）、前视主视野摄像头（最远感知150m）和前视宽视野摄像头（最远感知60m）。三目相机的缺点是需要同时标定三个相机，因而工作量更大。其次软件部分需要关联三个相机的数据，对算法要求也很高。
单目、双目和三目相机用的是非鱼眼镜头，环视相机用的是鱼眼镜头，朝向地面安装。
激光雷达
激光雷达按照有无机械旋转部件分类，分为机械激光雷达和固态激光雷达，机械激光雷达带有控制激光发射角度旋转的部件，而固态激光雷达则依靠电子部件来控制激光发射角度，无需机械旋转部件。
常见的有16/32/64/128线激光雷达。
毫米波雷达
自动驾驶中使用的毫米波雷达有3个频段：24GHz，77GHz和79GHz。
24GHz频段雷达测距距离有限，常用于近处障碍物检测，如倒车时盲点检测、变道辅助；
77GHz和79GHz频段用于长距离测量，有更高的距离、速度和角度的检测精度。
毫米波相比于激光穿透性更强，可以轻松穿透保险杠上的塑料，因此被安装在保险杠内，毫米波无法穿透金属，因此遇到金属就会返回。。
毫米波雷达的测距和测速都是基于多普勒效应，使用极坐标系，毫米波获取的主要信息为距离、角速度和速度。
超声波雷达
超声波雷达最常用的应用就是倒车雷达。
超声波雷达安装方式有两种：前后保险杠上的倒车雷达（UPA）、安装在汽车侧面用于测量障碍物距离（APA）。