adas高级辅助驾驶开发设计 以及以下资料的获取方式： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2. adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3. 自动驾驶鼻祖mobileye的论文和专利介绍 4. 自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 5. 国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 6. 规划控制相关的算法论文介绍 7. 等等总共3G多的资料

目前，在大的无人驾驶系统中，环境感知是考察无人驾驶系统的一个重要维度。在这一维度中，环境感知主要依靠的是作为硬件系统的传感器。而在各类无人驾驶传感器类型中，GPS和惯性导航模块的定位导航功能必不可少。

阿里&千方智慧高速解决方案，讲的非常不错，适合同行学习。

包含MPC纵向车速跟踪控制器设计的matlab代码及模型

无人驾驶汽车模拟器运行在自己舒适的电脑

最短路径搜索是通过算法找到一张图从起点（start）到终点（goal）之间的最短路径（path），为了简化，我们这里使用方格图（该图可以简单地用二维数组来表示），如下动图所示，其中代表起点，代表终点。广度优先算法实际上已经能够找到最短路径，BFS通过一种从起点开始不断扩散的方式来遍历整个图。可以证明，只要从起点开始的扩散过程能够遍历到终点，那么起点和终点之间一定是连通的，因此他们之间至少存在一条路径，而由于BFS从中心开始呈放射状扩散的特点，它所找到的这一条路径就是最短路径，下图演示了BFS的扩散过程：其中由全部蓝色方块组成的队列叫做frontier（参考下面的BFS代码）

MATLAB人工智能源代码-自动驾驶MATLAB源码实现

无人驾驶技术是多个技术的集成，如图1所示，一个无人驾驶系统包含了多个传感器，包括长距雷达、激光雷达、短距雷达、摄像头、超声波、GPS、陀螺仪等。每个传感器在运行时都不断产生数据，而且系统对每个传感器产生的数据都有很强的实时处理要求。比如摄像头需要达到60FPS的帧率，意味着留给每帧的处理时间只有16毫秒。但当数据量增大之后，分配系统资源便成了一个难题。例如，当大量的激光雷达点云数据进入系统，占满CPU资源，就很可能使得摄像头的数据无法及时处理，导致无人驾驶系统错过交通灯的识别，造成严重后果。 如图2所示，无人驾驶系统整合了多个软件模块（包括路径

摘要：高精度地图作为无人驾驶应用中辅助驾驶的重要手段，在高精度定位、辅助环境感知、控制决策等方面发挥着重要作用。边缘计算将计算、存储、共享能力从云端延伸到网络边缘，使用“业务应用在边缘，综合管理在云端”的模式，非常适合于部署更新频率高、实时服务延迟低、覆盖面积广的高精地图服务。结合众包的边缘地图服务已经成为高精地图更新的主要方式，有着重要的应用前景。