自动驾驶控制算法（一）——绪论、前期准备

“请用谨慎、批判、怀疑的态度去研究自动驾驶的相关资料、文献”

前言

本人已经投身自动驾驶行业，在某国内头部OEM，做过一年的视觉，目前正在研究规划控制，查过不少的资料、论文，但总觉得自己还未真正入门，有幸了解到B站Up主：忠厚老实的老王，讲解的自动驾驶控制算法，所以本系列的知识基本都基于他的视频进行学习总结，也当做自己的一个学习笔记。

前期准备

工具：Google、Github（需要自备VPN、梯子）

软件：Matlab（当时安装的2018a，我安装的2020b），Carsim（2016），ROS，Linux

书：《无人驾驶车辆模型预测控制》-龚建伟（第二版），第一版有很多错误，不建议看。

《车辆动力学及控制》<——>《Vehicle Dynamics and Control》-R.R，百度Apollo的算法和逻辑便来源于此书，书中也会有一些错误。

这两本书都希望带着批判的眼光进行观看，自动驾驶作为每天都在不断更新进化的一项技术，有可能昨天的知识今天就有错误，所以保持思考也很重要，在学习过程中也慢慢有自己的判断能力。

绪论

自动驾驶模块

自动驾驶技术分为：感知——决策——规划——控制。

其中上层的感知、决策是最难的两部分，控制作为底层也比较难，但控制理论经过多年发展已经相当成熟，有PID、LQR、MPC，但控制算法难点并不在于理论，而在于调试，实车的调试过程会很复杂，毕竟理论≠实际，需要考虑不同的车型、路况等。

其中感知细分有几个主流方向：

1、基于纯视觉，代表就是特斯拉，成本低但受限于光照、天气等；

2、基于激光雷达，缺点就是成本高，不过激光雷达的成本经过发展变得越来越低；

3、融合感知+高精地图，高精地图需要有测绘资质，目前业内只有几家拥有测绘资质，而且测绘地图费时费力，难以保证地图的实时性，且涉及国家安全；

目前业内都在发展“轻地图，重感知”的方向，采用SD map+融合感知，高精度地图逐渐被忽视。

芯片

芯片的计算速度是另一大难点，其实自动驾驶芯片的算力不需要超级计算机那样的计算速度，只需要和台式机差不多，但车载芯片的工作环境十分恶劣，比如高温、震动、冲击等情况，芯片的可靠性相对于算力更为重要，如何保证芯片在实际工况中不故障也是需要研究的方向。

接下来我们就正式进入控制算法的学习。

借用Up主的一句话：“要自信，要勇敢，勇于探索”