自動駕駛領域公開資料搜尋梳理
【詳細】解析百度Apollo之決策規劃模組（附帶其他很多分享資料連結）
https：//
paul。pub/apollo-plannin
g/
解析百度Apollo自動駕駛平臺
https：//
paul。pub/baidu-apollo/
解析百度Apollo之Routing模組
https：//
paul。pub/apollo-routing
/
解析百度Apollo之參考線與軌跡
https：//
paul。pub/apollo-referen
ce-line/
路徑規劃之 A* 演算法
https：//
paul。pub/a-star-algorit
hm/
what is a kalman filter
https：//www。
youtube。com/watch？
v=CaCcOwJPytQ
【重要】tracking綜合
A Survey of Motion Planning and Control Techniques for Self-driving Urban Vehicles
共120頁，連結有25頁
https：//
pdfs。semanticscholar。org
/88ac/ab16a092c3799d9a2cd499f57e69fb8730da。pdf
google books可以看到66頁
https：//
books。google。com。sg/boo
ks？id=xDtKDQAAQBAJ&pg=PA50&lpg=PA50&dq=HM+solver++track&source=bl&ots=OcONNzPKPp&sig=ACfU3U327u3DuRbb_8XU9CxSm1DCMnDNqA&hl=en&sa=X&ved=2ahUKEwjQ8JWSzenmAhXKGKYKHfnJD7MQ6AEwCnoECAUQAQ#v=onepage&q=HM%20solver%20%20track&f=false
社群分享內容 | Lattice Planner規劃演算法
https：//
mp。weixin。qq。com/s/YDIo
Vf20kybu8JEUY3GZWg
【MIT】A Survey of Motion Planning and Control Techniques for Self-driving Urban Vehicles
https：//
arxiv。org/pdf/1604。0744
6。pdf
Apollo 2。0 自動駕駛感知技術分享
https：//
mp。weixin。qq。com/s/7uBQ
gYQ6ThasQA4aK4RDfg
其中用到的PPT
https：//
mp。weixin。qq。com/s/IIRQ
oAnEVgTbcmpTI2jo4g
Apollo 2。0 框架及原始碼分析（零） | 引言
https：//
zhuanlan。zhihu。com/p/33
240932
定位，基於多感測器融合：
Robust and Precise Vehicle Localization based on Multi-sensor Fusion in Diverse City Scenes
https：//
arxiv。org/abs/1711。0580
5
apollo2。0軟硬體架構解讀
https：//
zhuanlan。zhihu。com/p/33
059132
Eigen庫進行矩陣計算
PCL庫進行點雲處理
3D 障礙物感知（主要是Lidar）（重要）
https：//
github。com/ApolloAuto/a
pollo/blob/master/docs/specs/3d_obstacle_perception_cn。md
涉及的概念有：
ROI LUT 查詢表。Apollo使用掃描線演算法和點陣圖編碼來構建ROI LUT
基於CNN的障礙物分割。ROI過濾後的點雲，送到分割模組。分割模組負責檢測和劃分前景障礙物。CNN輸出每個單元格的4個屬性。聚類演算法根據這些屬性，聚類得到障礙物候選物件叢集。
MinBox 障礙物邊框構建。為障礙物物件建立邊界框，預估障礙物方向、用於視覺化障礙物。原理是找到給定多邊形點邊緣的所有區域。
HM物件跟蹤。What？在跟蹤中，使用匈牙利演算法，關聯檢測和跟蹤。用魯棒卡爾曼濾波進行運動估計。
如何利用鐳射雷達檢測車道線？這裡提供了4種方法
https：//www。
leiphone。com/news/20171
2/iG2xBYren1q9faI9。html？utm_source=debugrun&utm_medium=referral
