來源 |?知乎冰銳

二次排版 |?張巧龍

---

目前我的研究方向是多傳感器融合感知和定位，所以關于這個方向的可能說的多一些。

先上傳一張百度Apollo 1.0的全棧工程師的技術圖譜吧。

下面進入正題吧！

首先是編程語言的學習了，Python，C++，Matlab，C這幾門是必須要會的，有空閑是時間可以學學Java,畢竟是排名第一的語言。

首先，python人工智能的標配語言，可以看看廖雪峰的教程，B站上搜一下很多不錯的教程。

其次，C++，被稱為最難的語言，性能是這門語言的關鍵。可以看看C++ Primer 做入門，后面關于STL、多線程和socket編程等進階了在說，到時候你自然知道看什么了。

Matlab學車輛的要會，這個多參加幾次數學建大賽就都會了。

C語言，做嵌入式開發離不開它，單片機（如STM32）有時間可以玩一玩，不要求精通到會畫PCB,但是車載網絡的基本協議都要掌握，尤其是CAN,其次包括電機控制，各種車載傳感器的控制和數據解析等都要會，自己有了想法想實現的時候，這不能成為你的障礙。

接下來說一些工具類吧！

首先是ROS系統，作為最流行的機器人操作系統應該熟練掌握，其中很多的思想對你學習其他的系統很有幫助。比如百度的Apollo系統就是從ROS中出來，雖然現在已經換成了他們自己開發的Cyber RT系統，但是ROS訂閱和發布的機制仍然保留了，且那個系統從底層進行更改，我們在上層開發，只需要熟悉API就可以很快學會。除此之外ROS系統還有很強大的社區和各種開源的工具像Rviz（數據可視化），Gazebo（物理仿真模型）等工具很好用，關于ROS暫時說這些。

ROS的資料首推古月居前輩的《ROS機器人開發與實踐》，深藍學院有他的課，你可以看看，還有ROS的官網，要好好看看。

接下來是Bazel、Cmake、Protobuf等編譯工具，這個上官網學習即可，Cmake有一個叫做《Cmake Practice》的小冊子寫的不錯。

然后是Docker，容器的優點我就不細說了，主要是Apollo的系統是基于Docker的，一定要理解好容器的本質還有鏡像和倉庫的概念，這樣對你理解docker的命令很有幫助。

接下來是Opencv和PCL了，一個2D視覺一個3D點云，我覺得視覺的發展一定會從2D走向3D，這兩個庫必須要會。Opencv就不說了，資料太多，自己搜就行，PCL有一本叫做《點云庫PCL學習教程》的書，但是感覺就是官網翻譯，不想看英語的可以看這個，把書里的代碼全部跑一邊，并且讀懂每行代碼的含義就行，以后用到哪一部分在細致學習即可。

接下來說一說人工智能的流行框架

首先是TensorFlow和Keras，這個主要是基于靜態圖的, ?TensorBoard是很好的可視化工具，TensorFlow2.0改進后也可以進行動態圖的編程了。TensorFlow主要是工業界在用，所以學習它是不可避免的。TensorFlow學習來還挺簡單但是Debug的時候不是那么友好，底層代碼晦澀難懂，這個的教程太多了，自己搜B站有很多。

其次是Pytorch，這個主要基于動態圖，主要在學術界使用，但是最近Pytorch發展迅猛，剛剛發布1.2版本，感覺已經追上TensorFlow了。這個學起來簡單易用，上手快，代碼清晰易懂。

如果做視覺的話Caffe是個不錯的選擇，Caffe 中的數據結構是以 Blobs-layers-Net 形式存在的，擴展性好且專精于圖像處理。學習起來和前面兩個區別挺大，但是畢竟都是框架，都不是很難學。

前面說的那些你都會了，下面就要學些上檔次的了。

首先數據結構和算法，這個你可以看看《大話數據結構》做為入門，之后上LeetCode上刷題，還有《劍指Offer》可以看看，不僅對你學習算法有好處，還對以后找工作有幫助。然后《操作系統原理》、《計算機網絡》、《計算機組成原理》有時間都學一學，這是你和那些培訓班出來的學生的區別。

關于機器學習和深度學習的原理課程的推薦。

首推Coursera上Andrew Wu的深度學習課程，配上課后的編程練習，一遍下來，最起碼是個入門水平了，真正明白深度學習中的那些細節和原理。李宏毅的課程也很好，就是臺灣腔聽著有點不習慣，還有Standford的CS231N，李飛飛的課程，推薦自然沒什么說的。書的話，可以看看周志華的《西瓜書》，還有著名的《花書》，以及《強化學習》都是圣經類的書籍了。

最關鍵的是數學了，這是一切的基礎。

首先，本科階段學的高數，線代，概率論都要熟練掌握，不能比考研的同學差，其次要自己學一學離散數學，線性代數要學的更高級，像奇異值分解，三角分解等要會，尤其是把概率論和線性代數結合起來，要看懂。線性代數可能需要你至少學三遍以上，才能逐漸理解它的美。然后是優化理論，像非線性優化和凸優化等，最后還有信息論的東西要學習一下。對了還有現代控制理論的東西必須要會，這是很基礎的，也是很重要的。

最后再來推薦一波SLAM的相關書籍和視頻吧！雖然，目前SLAM還不能在無人車上有太大的應用，但是學會了它，可以說，學其他東西都很簡單。

首推，高翔的課程，他的《視覺slam十四講》，SLAM入門非常好的書籍，還有他的視頻課程。接下來推薦高翔翻譯的《機器人學中的狀態估計》讀懂了這門書就在也不怕數學了，還有《概率機器人》讓你對各種濾波器有很好的理解，最后要想深入視覺SLAM，《計算機視覺中的多視圖幾何》這本書是逃不開的，想要成為精英，就要付出代價，可以慢慢啃。還有推薦高翔在深藍學院的《從零手寫VIO》課程，這可能是視覺SLAM真正應用的很好的方向了，多傳感器融合的趨勢已經不可阻擋了。還有激光SLAM，我看到是曾書格的視頻。

還有Udacity的無人駕駛課程挺好的，要是能自己完成全部項目，相信已經超過70%的人了，我打算這個假期把這個課程看的差不多。

最后，也來展示一下我們前一陣利用百度Apollo做的無人校園快遞車的Demo吧！

校園無人駕駛演示

在車輛工程專業想做無人駕駛的小伙伴，這個專業可能成為你的劣勢，但是把握好，這可能會變成我們的優勢。

雖然我一直是為了拿獎學金和保研被迫學了車輛的知識，但是四年下來，我對車的理解真的和大一剛來的時候有了很大區別，真的敢說自己懂點車了。

總之，技多不壓身，雖然是被迫學習，但是也都挺過來了。也許這就是命，可能當初高考少打20分我就去學計算機了，也許在計算機專業我再也不會接觸到車，也許會有更好的選擇，但是現在也不后悔，在車輛的這幾年我變的更加立體了，學了很多課外的東西，過的也很充實。

我從沒有被自己的專業限制，本科階段我們就應該廣泛接觸，多學自己感興趣和對未來的發展有幫助的知識，研究生在選一個小的方向繼續深入。

不要被專業限制了自己，覺得自己是車輛工程的學生編程就是不行，數學就是不好。

專業只是你的一個小小的標簽，除去它，你練就的各種各樣的能力才是真正重要的東西，車輛專業的你，代碼能力依舊可以很好，數學水平仍然可以練就，要對自己有自信！

-END-

往期好文合集

電路與愛情<<戳這里

是否要從單片機轉嵌入式Linux？<<戳這里

分享GitHub上一些嵌入式相關的高星開源項目<<戳這里

??最 后??

?

若覺得文章不錯，轉發分享，也是我們繼續更新的動力。

5T資源大放送！包括但不限于：C/C++，Linux，Python，Java，PHP，人工智能，PCB、FPGA、DSP、labview、單片機、等等！

在公眾號內回復「更多資源」，即可免費獲取，期待你的關注~

長按識別圖中二維碼關注

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的关于「无人驾驶」的学习路线...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。