文章目录

• 一、 首先查看各个岗位要求
• • 感知研发（融合预测）
  • 感知深度学习方向
  • 路径规划与决策
  • 控制算法
  • 高精地图研发
  • 仿真研发
  • 行为预测 与 轨迹预测
  • 机器学习基础设施搭建
  • 前端研发
  • 后端研发
  • 软件研发工程师-嵌入式
  • 软件研发工程师- 自动驾驶系统
  • 软件研发工程师 – 基础架构
  • 地图识别 提取
• 二、各个岗位之间的关系
• 三、汽车如何自动上路
• • • 第一步、感知这个世界 （我是谁/li>
    • • 1、多传感器信息融合 （多种感官）
      • • 1） 摄像头
        • 2） LiDAR 激光雷达
        • 5) UWB 超宽带无线载波通信
        • 4）毫米波雷达
        • 5）红外夜视
        • 6） 组合导航设备
        • 7） 压力传感器
        • 8） 流量传感器
        • 9） IMU
      • 2、目标识别 （目标检测）
      • • 1）行人识别
        • 2) 车辆识别
        • 3) 其他物体及环境检测
        • 4） 交通信 灯检测与识别
        • 5） 交通标志检测与识别
        • 6） 车道线检测与识别
      • 3、轨迹预测 （目标跟踪）
      • • 1） 单目标跟踪
        • 2） 多目标跟踪
    • 第二步、定位 （我在哪里/li>
    • • 高精地图定位
      • SLAM 同步定位与建模
      • • 学习路径
        • VIO（visual-inertial odometry）
        • 单目视觉SLAM
        • 融合了IMU 和视觉信息的VIO/VINS
      • 机器人定位导航/状态估计
      • 平台工程
      • • 云平台
        • V2X通信
        • 车载平台
        • 车联 系统
        • 软件研发工程师 – 自动驾驶系统
    • 第三步、决策与路径规划 （我要到哪里去如何去/li>
    • • 路线规划
      • • 1、Goal-Directed Techniques
        • 2、Separator-Based Techniques
        • 3、Hierarchical Techniques
        • 4、Bounded-Hop Techniques
        • 5、算法的结合
      • 行为选择
      • 运动规划
    • 第四步、 控制 （执行及整车应用）
    • • 高级控制算法
• 自动驾驶级别 L0 L1 L2 L3 L4 L5

一、 首先查看各个岗位要求

下图显示了自动驾驶汽车系统的典型架构框图，其中感知和决策系统显示为不同颜色的模块集合。感知系统负责使用车载传感器捕获的数据，如光探测和测距（LIDAR）、无线电探测和测距（雷达）、摄像机、全球定位系统（GPS），惯性测量单元（IMU）、里程表，以及有关传感器模型、道路 络、交通规则、汽车动力学等的先验信息的决策。

定位模块接收离线地图、传感器数据和平台里程计作为输入，并生成自动驾驶汽车的状态作为输出。需要注意的是，虽然GPS可能有助于定位控制器的处理，但由于树木、建筑物、隧道等造成的干扰，使得GPS定位不可靠，仅GPS在城市环境中进行适当的定位是不够的。映射器模块接收离线地图和状态作为输入，并生成在线地图作为输出。该在线地图通常是离线地图中的信息和使用传感器数据和当前状态在线计算的占用 格地图的合并。在线地图最好只包含环境的静态表示，因为这可能有助于决策系统的某些模块的操作。为了允许检测和移除在线地图中的移动对象，通常使用移动对象跟踪模块或MOT。

整个机器人的运动过程就是运动方程根据上一时刻状态和当前时刻运动输入 [公式] 预测当前状态，利用传感器的测量方程作为矫正的过程，在纯视觉SLAM中，因为缺少运动输入，预测方程提供信息不足，我们是直接采用测量方程构建重投影误差进行运动优化估计，而引入IMU数据之后，用IMU作为运动输入 [公式] 可以对状态进行很好的预测，VIO就是利用了运动预测和测量方程构建联合估计。具体来说，在假设噪声服从高斯分布，对非线性方程进行一阶近似的条件下，从最大后验估计的角度就可以推导出我们在VIO论文中看到的联合优化目标函数：