之前写过一篇关于基因和AI的文章，从基因到人工智能：思维与身体的进化，写的不好，被批评过于宏观，由知识理解不到位和人生阅历不足的我写来就有点不自量力的意思了（深刻反省）。作为一个追求科技进步的IT肥宅，果然技术才是王道，于是痛定思痛，接下来的一段时间里全心全意学习自动驾驶相关知识，并整理一些相关学习资料供大家参考。（由于主要整理机器学习相关技术领域，因此资料尽量与机器学习与自动驾驶交叉相关，其他与机器学习相关的经典材料就不全部罗列出来了，大家感兴趣的话可以自己查找）
万事开头难，作为一个自动驾驶小白，当然先从搜集资料开始做起，最经典高效的学习方法莫过于读书了，因此先从书籍资料的搜集开始做起：
中文书籍（包括中国科学家写的和翻译为中文的著作）：
豆瓣搜索无人驾驶，相关书籍比较少，挑选评分最高的前三本阅读，分别是：
1.胡迪·利普森 / [美] 梅尔芭·库曼 [美]，无人驾驶（Driverless: Intelligent Cars and the Road Ahead），2017-6，林露茵 / 金阳译。
简评：本书作者从一个更宏观的视角分析自动驾驶在人类历史发展上的作用，偏向于前景分析，对相关技术进行了简要介绍，全书重点阐述无人驾驶在社会道德和生活方式层面带来的变化和挑战。
2.少山 / 唐洁 / 吴双 / 李力耘，第一本无人驾驶技术书，2017-5。
简评：入门级别的技术书籍，全面的介绍了自动驾驶从感知到规划到控制主流技术，对全面了解自动驾驶技术帮助很大，适合想要入门但是不知道相关技术的小白阅读。
3.高翔 / 张涛 / 等，视觉SLAM十四讲，2017-3。
简评：SLAM经典书籍，相关方向研究者必读。
外文书籍
P.s 由于后续主要关注机器学习在自动驾驶领域（尤其是视觉相关）的研究发展状况，因此英文材料将以论文阅读为重点，对目标检测跟踪，语义分割，深度估计，端到端自动驾驶学习进行详细介绍。
1.Cheng, Hong，Autonomous Intelligent Vehicles，2011-11。
简评：出版时间比较早，且近几年深度学习发展迅猛，因此技术显得有些老旧，想研究自动见识历史的可以看看。
视频材料
入门的话可以看MIT2108的自动驾驶公开课：B站翻译版，无需翻墙
零基础的话可以在各大慕课上搜索一下，有好多课程，但真心不建议学习国内的课程，都是重复内容。
公众号
自动驾驶说：我第一个关注的自动驾驶相关公众号，主要分析国内外自动驾驶相关公司发展状况。
商汤：自动驾驶相关工作及其出色。
（一直觉得公众号的文章像华而不实的烟花，标题很夺目但干货很少，因此关注的比较少，大家有觉得不错的可以推荐给我哈，感激不尽）
无人驾驶定义及分级
百度百科：无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标。
Wiki：An autonomous car (driverless car, self-driving car, robotic car) is a vehicle that is capable of sensing its environment and navigating without human input.
目前由于法律和技术的不完善，还无法实现全自动驾驶，所以为了更清楚地做出界定，美国汽车工程师协会（SAE）和美国高速公路安全局（NHTSA）对自动驾驶做了分级。
自动驾驶分级
但根据MIT的Fridman的观点以及各大汽车厂商及自动驾驶公司的观点，似乎并不完全认可这个分级，Fridman将自动驾驶分为A0和A1两个等级，分别代表以人类为中心的将自动驾驶和以汽车为中心的自动驾驶。Fridman认为，下阶段自动驾驶应以人为中心，保留人类操作汽车的权利，而非其他汽车厂商认为的全自动驾驶。
相关传感器
主要传感器分布
目前主要使用的传感器包括毫米波雷达，彩色摄像机，激光雷达，红外摄像机，GPS/IMU，声纳以及V2X等，其中GPS/IMU用于无人车定位，路径规划，其他毫米波雷达，声纳，激光雷达，摄像机用于环境感知，V2X用于汽车与外界通信，当然每个传感器的信息利用并不绝对，传感器信息间的相互融合将会对无人驾驶汽车的鲁棒性带来极大增益。
随着深度学习的发展，计算机对非结构化数据的处理能力日益增强，因此使用RGB图像直接对无人驾驶进行环境感知将极大的节省传感器成本，但计算量增加，因此涉及实时鲁棒的计算机视觉算法将是无人驾驶的一个相关研究重点，也是我接下来的学习方向，因此以后的文章将主要与计算机视觉和深度学习相关，主要描述深度学习在行人车辆检测、车辆属性、行人运动分析、车道线检测、场景理解、交通标志识别、场景理解、大规模场景高精度实时定位、大规模场景的高精度三位重建、可驾驶区域预测的相关研究成果及分析。
祝好！愿与诸君一起进步。
网友评论