Learn autonomous driving path planning from scratch (including Apollo, autoware planning algorithms, etc., as well as some control algorithms)
A series of algorithms from entry to mastery.
The complete set covers the following content:
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）
The basic code covers the following:
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
Tip: Among them, Lattice, EM, and hybrid A are planning algorithms transplanted from Apollo. Double t sampling and open planner are planning algorithms transplanted from autoware. They are transplanted using ros1 because there is so much information and it is easy to get started.
Features of this project:
1. The course video is mainly about the understanding and logical explanation of the code. The code is lightweight and easier to understand than the source code of Apollo and autoware. In addition, the actual code is much more important than the theory. This project can help everyone get started. After learning how to apply it, it is also convenient for everyone to add their own algorithm ideas.
2. There is a learning and exchange community . In addition to reporting errors and answering questions, everyone also has like-minded people. You can enroll in the school and start exchanging technologies. After studying for a few years, you can complete your graduation design, course design, projects, and work.
3. Different from other course codes on the market, this project is a set of overall algorithms rather than scattered algorithm projects. The advantage of this is that it is convenient to transplant to real cars, do scientific research experiments, and write on interview resumes. To connect to a real car is to replace the positioning of the real car with the subscription information of the positioning module, and to replace the information of the sensing module with information such as obstacles to receive the real car.
4. This project is a large integration. After learning, you can write it on your resume to enrich your project experience. It is more attractive than scattered algorithm learning.
5. This project took the author two years of practical experience to help more people who want to learn autonomous driving avoid pitfalls and learn to correct bugs.
6. This project is mainly C++, and the co-simulation also involves Python.
7. Purchase available source code + Q&A group + code explanation video + engineering experience learning exchange
8. The use of autoware is not the focus of the series, so what I cover is just the tip of the iceberg for getting started. If you specifically want to learn autoware thoroughly, it is not recommended to purchase
9 .This project has computer software copyright and is for personal use only. Please delete if no longer in use
It is not recommended to buy if you are in urgent need of updated content and need a perfect algorithm, because I am practicing and updates are slow.
I hope to gather all the friends who are studying and researching autonomous driving to communicate together.
If you need to know more details, please send a private message.