2023年，我更想转到自动驾驶！

2022年，包括互联网在内的其它行业几乎都经历了寒冬，然而自动驾驶行业却仍然保持活力，一大批小伙伴开始转入！不得不说，今年一定是自动驾驶的元年。

历时半年，我们搭建了一个国内最专业的自动驾驶感知、定位融合、仿真部署的平台，完成了近20+的技术方向学习路线的搭建！根据汽车人的了解，近期有不少相关企业陆续开放了HC！目前我们接触的从业者大多是机械、电气、自动化专业的同学，今年来看还有相当一部分从事互联网行业的同学跨行过来，相比于计算机科班来说，缺乏系统的学科知识，入门难，进阶更难！一般来说，任何一门学科，入门进阶首先要对领域整体技术框架有所了解，正所谓不谋全局者不足以谋一域！有了这个基础，剩下的就是深耕某一领域的内容，和同行者、老师一起答疑解惑！如果你有找工作的打算（社招/校招/实习），想了解最新的技术方向、招聘信息和求职攻略，汽车人强烈推荐大家加入自动驾驶之心知识星球！

自动驾驶之心知识星球

自动驾驶之心知识星球是首个以自动驾驶技术栈为主线的交流学习社区，这是一个前沿技术发布和学习的地方！我们汇总了自动驾驶感知（分类、目标检测、语义分割、实例分割、全景分割、关键点检测、车道线检测、3D感知、目标跟踪、多模态、多传感器融合等）、自动驾驶定位建图（高精地图、SLAM）、自动驾驶规划控制、领域技术方案、AI模型部署落地等几乎所有子方向的学习路线！除此之外，还和数十家自动驾驶公司建立了内推渠道，简历直达！这里可以自由提问交流，许多算法工程师和硕博日常活跃，解决问题！初衷是希望能够汇集行业大佬的智慧，在学习和就业上帮到大家！

星球目前有哪些成员？

星球成员主要来自商汤科技、旷视科技、百度、阿里、网易、Momenta、Intel、Nvidia、大疆、上汽、集度、地平线、华为等业界知名公司，以及苏黎世理工、卡耐基梅隆大学、普渡大学、东京大学、香港科技大学、香港大学、清华大学、上海交大、复旦大学、浙江大学、中科大、南京大学、同济大学、上海科技大学、哈工大等国内外知名高校；

知识星球有哪些模块？

CV图文教程：网络结构可视化、算法原理图解；

视频教程：星球内部技术分享视频完成了多次技术直播分享，包括毫米波雷达视觉融合、高精地图制作关键技术、自动驾驶仿真等多个方向（星球内部观看）！以及优秀开源课程，涉及相机标定、伯克利深度学习与计算机视觉、百度优达学城、Apollo自动驾驶、Udacity自动驾驶、MIT自动驾驶、Carla自动驾驶仿真等系列视频课程；

日常paper分享：3D检测、多模态、2D检测、分割、车道线、多任务、多目标跟踪、融合、传感器标定、鱼眼感知与模型、VIT、轻量化等；

职位与面经分享：自动驾驶行业职位分享内推、面经分享；

日常问答交流：和嘉宾星主交流领域学术工业最新进展；

主要面向对象

星球创建的初衷是为了给自动驾驶行业提供一个技术交流平台，包括需要入门的在校本科/硕士/博士生，以及想要转行或者进阶的算法工程人员；除此之外，我们还和许多公司建立了校招/社招内推，包括地平线、百度、蔚来汽车、momenta、赢彻科技、集度、滴滴、Nvidia、高通、纵目科技、魔视智能、斑马汽车、博世、纽劢科技、追势科技、寒武纪等！

如果您是自动驾驶和AI公司的创始人、高管、产品经理、运营人员或者数据/高精地图相关公司，也非常欢迎加入，资源的对接与引进也是我们一直在推动的！我们坚信自动驾驶能够改变人类未来出行，想要加入该行业推动社会进步的小伙伴们，星球内部准备了基础到进阶模块，算法讲解+代码实现，轻松搞定学习！

日常讨论

日常分享

星球主要关注方向

0.自动驾驶顶会与公司

星球内部为大家汇总了CVPR、ECCV、IROS、RSS、TPAMI、IV、ICIP等自动驾驶领域顶会和顶刊，以及图森、智加、主线科技、集度、滴滴、纵目、元戎启行、momenta、蔚来小鹏理想等近80家公司介绍（可以内推！）

1.计算机视觉相关数据集

数据集是AI任务的基石，然而大多数数据集都是国外机构开源，数据量较大，下载速度缓慢，这两个缺点导致很多研究人员在数据获取上为难，为此星球内部已经为大家准备了近30种计算机视觉和自动驾驶相关数据集，包括KITTI、Waymo Open Dataset、Lyft L5、COCO、Semantic3D、A2D2数据集、车道线数据集、车牌数据集、行人检测数据集、红绿灯检测数据集等，一键下载；

2.2D/3D标定工具

星球内部为大家汇总了2D检测、3D点云检测、语义分割、实例分割、3D点云分割、视频检测、交互标定、多传感器标定等工具，可以快速适配到自己项目中。

3.基础学习资料

整理了从深度学习数学基础到图像处理、经典计算机视觉算法、Opencv、Pytorch以及C++、Python、GPU和Cuda近50本pdf学习资料！

4.  Backbone与Transformer

主要关注常用的轻量化、高性能backbone，以及视觉transformer结构与优化；

5.  2D目标检测

关注anchor-based、anchor-free、one-stage、two-stage、超全YOLO系列、小目标检测、多任务模型、长尾分布、误检消除、难例挖掘、定位精度优化等内容；该模块汇总检测领域的经典综述和论文，从结构、数据增强策略、采样策略、不均衡问题、半监督、知识蒸馏上展开研究；

6.  分割任务

汇总了常见的2D语义分割、实例分割、全景分割以及3D点云分割SOTA算法，并对分割任务中的边缘轮廓分割模糊不细腻问题展开讨论；

7.车道线检测

对基于检测、分割、分类、关键点、曲线预测、多传感器检测、3D车道线SOTA方法进行了汇总，对车道线遮挡、磨损、不连续问题展开了讨论！

8.鱼眼感知

针对鱼眼和全景相机在自动泊车、近域感知上的应用展开，主要包括相机标定、鱼眼全景相机系统、自动泊车系统、环视数据集、鱼眼深度估计、鱼眼目标检测、鱼眼SLAM、语义分割等方向！

9.目标跟踪

针对单目标和多目标跟踪，基于Siamese Network、Tracking-by-detection、传统滤波+关联算法、end2end等方法进行全面展开阐述，后续更会加入变速情况下的跟踪系统；

10.3D目标检测

从点云和多模态数据3D检测任务展开，基于BEV、点、体素、多camera数据的3D检测方案；

11.传感器标定

主要关注自动驾驶领域常见的Camera、Lidar、Radar、IMU之间的离线、在线标定，多相机、多激光雷达之间的标定，自动标定等；

12.多传感器融合

星球内部汇总了数据级融合、目标级融合、特征级融合、弱融合、不对称融合等多种方案！

13.SLAM与高精地图

汇总了单目SLAM、RGB-D SLAM、激光SLAM、高精地图定位方法、自定位方法！以及领域内最常用的高精地图制作方法！

14.模型压缩与轻量化

汇总了模型压缩、裁剪、量化、权值共享、模型加速、知识蒸馏、量化工具等数十篇干货介绍！

15.模型部署

TensorRT、NCNN、Opencv、MNN方案部署检测、分割、关键点、分类模型实战；

16.其它

在感知定位融合之外，还汇总了大量机器人、自动驾驶规划方法，强化学习在运动规划上的应用、V2X技术，以及图像加速CUDA方法等~

日常讨论交流