【導讀】本文為大家整理了自動駕駛方面的一些資源，主要包括視頻課程學習、書籍資料、頂會論文、開源項目、常用數(shù)據(jù)集等等！下圖是自動駕駛的技術棧展示：

視頻課程資料

1. Coursera平臺推出的自動駕駛教程：Self-Driving Cars

• 視頻地址：https://www.coursera.org/specializations/self-driving-cars

2. 麻省理工學院-深度學習與自動駕駛視頻課程和資料分享

• 課程主頁：http://selfdrivingcars.mit.edu/

• 視頻地址：https://www.bilibili.com/video/av19195890?from=search&seid=7631936662723357487

• 資料鏈接: https://pan.baidu.com/s/1eSXqTaE

• 提取碼：y4f6

3. Apollo無人駕駛免費學習課程

• 鏈接地址：https://apollo.auto/devcenter/devcenter.html

4. 深度學習與視覺SLAM視頻課程

• 鏈接地址：https://www.shenlanxueyuan.com/open/course/34

5. 【高翔】視覺SLAM十四講

• 視頻地址：https://www.bilibili.com/video/av59593514/

6. 優(yōu)達學城自動駕駛入門課程

• 課程地址：https://cn.udacity.com/course/intro-to-self-driving-cars--nd113-cn

7. CMU增強學習和機器人控制公開課

• 鏈接地址：https://katefvision.github.io

8. 優(yōu)達學城-自動駕駛工程師

• 鏈接地址：https://www.udacity.com/course/self-driving-car-engineer-nanodegree--nd013

經(jīng)典論文

1. Self-Driving Cars: A Survey

• 鏈接地址：https://arxiv.org/abs/1901.04407v1

2. Towards Fully Autonomous Driving: Systems and Algorithms

• 鏈接地址：https://www.ri.cmu.edu/wp-content/uploads/2017/12/levinson-iv2011.pdf

3. A Survey of Autonomous Driving: Common Practices and Emerging Technologies

• 鏈接地址：https://arxiv.org/abs/1906.05113

4. A Survey of Deep Learning Techniques for Autonomous Driving

• 鏈接地址：https://arxiv.org/abs/1910.07738

4. Computer Vision for Autonomous Vehicles:Problems, Datasets and State-of-the-Art

• 鏈接地址：https://arxiv.org/abs/1704.05519

5. Simultaneous localization and mapping: A survey of current trends in autonomous driving

• 鏈接地址：https://ieeexplore.ieee.org/document/8025618

6. Robust and Precise Vehicle Localization based on Multi-sensor Fusion in Diverse City Scenes

• 鏈接地址：https://arxiv.org/abs/1711.05805

7. A Review of Tracking, Prediction and Decision Making Methods for Autonomous Driving

• 鏈接地址：https://arxiv.org/pdf/1909.07707.pdf

8. 自主車輛的計算機視覺：問題，數(shù)據(jù)集和最新技術

• 論文鏈接：https://arxiv.org/pdf/1704.05519.pdf

9. 用于自動駕駛汽車的機器學習算法

• 鏈接地址：https://www.kdnuggets.com/2017/06/machine-learning-algorithms-used-self-driving-cars.html

自動駕駛經(jīng)典書籍

1.《無人駕駛原理與實踐》--蘭州大學的自動駕駛團隊出品

• 作者博客：https://blog.csdn.net/AdamShan

2. 《無人駕駛：人工智能如何顛覆汽車》-百度出品

3.《第一本無人駕駛技術書》（第2版）--CSDN力薦，2019年9月出版

4. 《自動駕駛技術概論》 --北京航空航天大學和百度自動駕駛事業(yè)群組聯(lián)合編寫

5. 《PLANNING ALGORITHMS》 規(guī)劃算法介紹

6. 2017-2019年中國信通院車聯(lián)網(wǎng)白皮書合集

• 下載鏈接：http://www.caict.ac.cn/kxyj/qwfb/bps/202001/t20200102_273007.htm

開源平臺

1. Apollo: https://github.com/ApolloAuto/apollo

2. Autoware 2.0：名古屋大學的自動駕駛項目

• 鏈接地址：https://gitlab.com/autowarefoundation/autoware.auto/AutowareAuto

3. Carla: http://carla.org/

4. Baidu: http://apollo.auto/platform/simulation.html

5. Udacity- 優(yōu)達學城的自動駕駛仿真平臺

• 鏈接地址：https://github.com/udacity/self-driving-car-sim

6. AirSim- 微軟的仿真平臺，還可以用于無人機

• 鏈接地址：https://github.com/Microsoft/AirSim

7. lgsvl- LG的自動駕駛仿真平臺：https://www.lgsvlsimulator.com/

自動駕駛數(shù)據(jù)集1. KITTI 是目前最知名的自動駕駛數(shù)據(jù)集之一，一些創(chuàng)業(yè)公司都會拿里面的數(shù)據(jù)進行排名比賽。

• 鏈接地址：http://www.cvlibs.net/datasets/kitti/

2. Cityscapes 目標是理解街景的語義，主要是針對城市街景做語義解析。

• 鏈接地址：https://www.cityscapes-dataset.com/

3. DeepDrive是 Berkeley的大規(guī)模自動駕駛視頻數(shù)據(jù)集

• 鏈接地址：https://bdd-data.berkeley.edu

4. Mapillary 是一個由位于瑞典馬爾默的Mapillary AB開發(fā)，用來分享含有地理標記照片的服務。其創(chuàng)建者想要利用眾包的方式來把整個世界（不僅是街道）以照片的形式存儲。

• 鏈接地址：https://www.mapillary.com/

5. comma.ai's Driving Dataset 目的是低成本的自動駕駛方案，目前是通過手機改裝來做自動駕駛，開源的數(shù)據(jù)主要是行車記錄儀的數(shù)據(jù)。

• 鏈接地址：https://github.com/commaai/research

6. Udacity's Driving Dataset 優(yōu)達學城的自動駕駛數(shù)據(jù)集

• 鏈接地址：https://github.com/udacity/self-driving-car/tree/master/datasets

7. Washington DC's Lidar Data

• 鏈接地址：https://aws.amazon.com/cn/blogs/publicsector/lidar-data-for-washington-dc-is-available-as-an-aws-public-dataset/

8. Apolloscape 百度的自動駕駛數(shù)據(jù)集

• 鏈接地址：http://apolloscape.auto/scene.html

9. Oxford RobotCar 對牛津的一部分連續(xù)的道路進行了上百次數(shù)據(jù)采集，收集到了多種天氣、行人和交通情況下的數(shù)據(jù)，也有建筑和道路施工時的數(shù)據(jù)。1000小時以上。

• 鏈接地址：https://robotcar-dataset.robots.ox.ac.uk/datasets/

10. nuscenes aptiv提供的數(shù)據(jù)集，帶標注，宣稱是目前最大的數(shù)據(jù)集之一，資源在Amazon S3

• 鏈接地址：https://www.nuscenes.org/

交通標志數(shù)據(jù)集

1. KUL Belgium Traffic Sign Dataset 比利時的一個交通標志數(shù)據(jù)集。

• 鏈接地址：http://www.vision.ee.ethz.ch/~timofter/traffic_signs/

2. German Traffic Sign 德國交通標注數(shù)據(jù)集 。

• 鏈接地址：http://benchmark.ini.rub.de/?section=gtsrb&subsection=dataset

3. STSD 超過20 000張帶有20％標簽的圖像，包含3488個交通標志。

• 鏈接地址：https://www.cvl.isy.liu.se/research/datasets/traffic-signs-dataset/

4. LISA 超過6610幀上的7855條標注。

• 鏈接地址：http://cvrr.ucsd.edu/LISA/lisa-traffic-sign-dataset.html

5. Tsinghua-Tencent 100K 騰訊和清華合作的數(shù)據(jù)集，100000張圖片，包含30000個交通標志實例。

• 鏈接地址：https://cg.cs.tsinghua.edu.cn/traffic-sign/