从零开始学习自动驾驶路径规划(包括Apollo，autoware规划算法等，以及一些控制算法)
从入门到掌握的一系列算法。
整套涵盖的内容如下：
前言课
第一节-ros工程的创建
第一节-运行环境和工程目录简介
第二节-工程运行和小车模型搭建简介
第二节-车辆里程计
第三节-整体架构思路
第三节-地图路线构建方法
第三节-参考线平滑函数
第三节-参考线平滑原理（一）
第三节-参考线平滑原理（二）
第四节-lqr控制器、pid控制器、stanley控制器、pure_pursuit控制器代码简介(已添加mpc控制算法)
第五节-局部规划器代码简介
第五节-Frenet坐标系和参考线参数计算
第六节-模拟障碍物的生成函数介绍
第六节-模拟障碍物的生成方法介绍
第六节-障碍物函数类的介绍
第七节-基于Frenet采样规划原理（一）
第七节-基于Frenet采样规划原理（二）
第七节-基于Frenet采样规划原理（三）
第七节-基于Frenet采样规划总结
第七节-基于Frenet采样规划的补充-停止模式
第八节-Lattice规划算法-函数介绍（第八节-Lattice规划算法原理一）
第八节-Lattice规划算法-障碍物的SL图和ST图（一）
第八节-Lattice规划算法-障碍物的SL图和ST图（二）
第八节-Lattice规划算法-巡航模式的速度采样
第八节-Lattice规划算法-超车和跟车速度采样（一）
第八节-Lattice规划算法-超车和跟车速度采样（二）
第八节-Lattice规划算法-横向采样与二次规划
第八节-Lattice规划算法-二次规划（一）
第八节-Lattice规划算法-二次规划（二）
第八节-Lattice规划算法-二次规划（三）
第八节-Lattice规划算法一-代价函数
第八节-Lattice规划算法-合成函数和碰撞检测
第八节-Lattice规划算法效果演示
第九节-Em规划算法-函数介绍
第九节-Em规划算法-路径规划DP介绍
第九节-Em规划算法-路径规划QP函数介绍
第九节-Em规划算法-路径规划QP原理和效果显示
第九节-Em规划算法-速度规划DP介绍
第九节-Em规划算法-速度规划QP介绍
第九节-Em规划算法-效果演示
第十节-混合A星算法（一）
第十节-混合A星算法（二）
第十节-混合A星算法（三）
第十节-混合A星算法（四）
第十节-混合A星算法（五）
第十节-混合A星算法效果演示-泊车场景
第十一节-变道规划算法-变道算法介绍
第十一节-变道规划算法-Lattice超车和跟车效果演示
第十一节-变道规划算法-变道算法决策过程（一）
第十一节-变道规划算法-变道算法决策过程（二）
第十一节-变道规划算法-效果演示
第十二节-open planner规划算法-介绍
第十二节-open planner规划算法-效果演示
第十三节-carla-ros联合仿真-carla介绍与版本选择
第十三节-carla-ros联合仿真-carla环境配置与运行
第十三节-carla-ros联合仿真-PythonAPI例子介绍
第十三节-carla-ros联合仿真-PythonAPI应用示例
第十三节-carla-ros联合仿真-ros-bridge的介绍
第十三节-carla-ros联合仿真-ros-bridge的使用
第十三节-carla-ros联合仿真-ros-bridge的代码讲解
第十三节-carla-ros联合仿真-ros-bridge的坑
第十三节-carla-ros联合仿真-ros-bridge的演示
第十三节-carla-ros联合仿真-切回ros单独仿真
carla-ros联合仿真-避开静态障碍物
carla-ros联合仿真-跟随动态障碍物
第十四节-Lanelet教程-JOSM的使用（一）
第十四节-Lanelet教程-JOSM的使用（二）
第十四节-Lanelet教程-JOSM的使用（三）
第十四节-Lanelet教程-Lanelet加载osm地图文件
第十四节-Lanelet教程-JOSM画图补充注意点
第十四节-Lanelet教程-参考博文学习
第十四节-Lanelet教程-Lanelet规划模块
第十五节-autoware.ai使用教程-前言课
第十五节-autoware.ai使用教程-docker安装
第十五节-autoware.ai使用教程-源码安装
第十五节-autoware.ai使用教程-demo运行
第十五节-autoware.ai使用教程-carla联合仿真实现规划控制
第十六节-carla泊车场景-dl-iaps优化算法流程简介与效果演示
第十六节-carla泊车场景-dl-iaps优化算法carla实战（待更新）
第十七节-autoware.universe使用教程，ros2（待更新）
基础代码涵盖的内容如下：
前言课
第一节-ros工程的创建
第一节-运行环境和工程目录简介
第二节-工程运行和小车模型搭建简介
第二节-车辆里程计
第三节-整体架构思路
第三节-地图路线构建方法
第三节-参考线平滑函数
第三节-参考线平滑原理（一）
第三节-参考线平滑原理（二）
第四节-lqr控制器、pid控制器、stanley控制器、pure_pursuit控制器代码简介
第五节-局部规划器代码简介
第五节-Frenet坐标系和参考线参数计算
第六节-模拟障碍物的生成函数介绍
第六节-模拟障碍物的生成方法介绍
第六节-障碍物函数类的介绍
第七节-基于Frenet采样规划原理（一）
第七节-基于Frenet采样规划原理（二）
第七节-基于Frenet采样规划原理（三）
第七节-基于Frenet采样规划总结
第七节-基于Frenet采样规划的补充-停止模式
第八节-Lattice规划算法-函数介绍（第八节-Lattice规划算法原理一）
第八节-Lattice规划算法-障碍物的SL图和ST图（一）
第八节-Lattice规划算法-障碍物的SL图和ST图（二）
第八节-Lattice规划算法-巡航模式的速度采样
第八节-Lattice规划算法-超车和跟车速度采样（一）
第八节-Lattice规划算法-超车和跟车速度采样（二）
第八节-Lattice规划算法-横向采样与二次规划
第八节-Lattice规划算法-二次规划（一）
第八节-Lattice规划算法-二次规划（二）
第八节-Lattice规划算法-二次规划（三）
第八节-Lattice规划算法一-代价函数
第八节-Lattice规划算法-合成函数和碰撞检测
第八节-Lattice规划算法效果演示
第九节-Em规划算法-函数介绍
第九节-Em规划算法-路径规划DP介绍
第九节-Em规划算法-路径规划QP函数介绍
第九节-Em规划算法-路径规划QP原理和效果显示
第九节-Em规划算法-速度规划DP介绍
第九节-Em规划算法-速度规划QP介绍
第九节-Em规划算法-效果演示
第十节-混合A星算法（一）
第十节-混合A星算法（二）
第十节-混合A星算法（三）
第十节-混合A星算法（四）
第十节-混合A星算法（五）
第十节-混合A星算法效果演示-泊车场景
第十一节-变道规划算法-变道算法介绍
第十一节-变道规划算法-Lattice超车和跟车效果演示
第十一节-变道规划算法-变道算法决策过程（一）
第十一节-变道规划算法-变道算法决策过程（二）
第十一节-变道规划算法-效果演示
第十二节-open planner规划算法-介绍
第十二节-open planner规划算法-效果演示
第十五节-autoware.ai使用教程-前言课
第十五节-autoware.ai使用教程-docker安装
第十五节-autoware.ai使用教程-源码安装
第十五节-autoware.ai使用教程-demo运行
第十五节-autoware.ai使用教程-carla联合仿真实现规划控制
提示：其中Lattice,，EM，混合A是移植Apollo的规划算法，双t采样和open planner是移植于autoware的规划算法，用的ros1移植，因为资料多好上手。
本工程的特点：
1.课程视频主要是对代码的理解和逻辑讲解，代码轻量级，相比Apollo和autoware源码易懂，再加上实战代码比理论重要很多，本工程可帮助大家从入门到学会应用，也方便大家加入自己的算法idea。
2.有学习交流社区，除了报错答疑，大家还志同道合，可以入学开始交流技术，学习几年，毕设，课设，项目，工作，四不误。
3.与市面其他课程代码不同，本工程是一套整体算法，而不是零散的算法工程，这样的好处是方便移植到实车，做科研实验，写入面试简历。接实车就是把定位模块的订阅信息替换实车的定位，感知模块的信息替换为接收真实车的障碍物等信息。
4.本工程是一大集成体，学习后可写入简历，丰富自己的项目经验，相比于零散的算法学习更有吸引力。
5.本工程来来回回花了作者两年的实战经验，为更多想学习自动驾驶的人避坑引路，学会改bug。
6.本工程C++为主,联合仿真也涉及python。
7.购买可得源码+交流答疑群+代码讲解视频+工程经验学习交流
8.autoware的使用并非系列的重点，所以本人涉及的只是入门的冰山一角，如果专门想学透autoware，不建议购买
9.本工程具有计算机软件著作权，仅供个人使用。若不再使用请删除
急需待更新内容和需要完美无缺算法的不建议购买，因为本人在修炼，更新比较慢。
希望可以集合各位学习研究自动驾驶的小伙伴们一起交流。
需要了解具体可私信。