传统车企、科技公司齐角力，构建平台竞争加剧。百度发布了最新的开放式自动驾驶平台 Apollo 2.0，支持更多车辆，如小型巴士、SUV 和卡车，并在全球范围内提供更广泛的高清地图服务。目前 Apollo2.0 将在 2018 年全面支持包括 NVIDIA、Intel、NXP、Renesas 在内的四大主流计算平台。三星带来的 DRVLINE 自动驾驶平台包括多项技术标准，接纳第三方的硬件或者软件，能够让车企实现一定程度的定制化。日本汽车产业的龙头丰田，宣布要做多功能出行平台，从最赚钱的汽车公司转型为移动出行公司，并给出了 e-Palette 智能出行平台。 1.2. 智能汽车发展 6 阶段，两条路径实现智能驾驶 美国汽车工程师学会（SAE）根据车辆对汽车自身控制及环境感知的程度，将自动驾驶技术分为驾驶员时刻完全控制汽车原始底层结构的无智能化（层次 0）到全工况无人驾驶智能化 （层次 5）共六个阶段：第 0 级（不具备自动化特征），由驾驶人员完全控制车辆的所有功能； 第 1 级（特定功能已实现自动化），某一功能已实现自动化；第 2 级（功能组合已实现自动化），多项功能已同步实现自动化，但驾驶者必须始终保持注意。第 3 级（一定程度的自动驾驶）：驾驶功能已具备足够的自动化，司机可以安全的从事其他活动。第 4 级（高度自动 化的无人驾驶）：汽车可以在大部分环境和道路条件下自主行驶。第 5 级（完全自动化的无人驾驶）：汽车可以完全自主行驶，无需驾驶人员。

障碍物检测是智能车辆环境感知技术结构中的重要内容，也是实现辅助驾驶功能的前提。文章介绍了车辆障碍物检测所需不同类型传感器的特点，分别重点阐述了基于电磁波信息、图像信息和多信息融合的障碍物检测技术，论述了采集和处理信息的主要技术手段与算法，为智能车辆的开发和发展提供参考。

状态栅格规划方法，传感器融合标定算法，另外还包含了自动驾驶学习资料 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

KITTI数据集中雷达点云与图像数据融合的matlab源代码，用于自动驾驶环境感知算法研究，初学者适用

一、 环境感知系统 二、传感器信息融合技术 三、传感器技术要求 四、传感器技术发展展望

基于ROS构建无人驾驶车辆环境感知系统，文档描述对于基于ros开发有较大的帮助

环宇智行公司感知融合技术以及产品介绍。 包括毫米波雷达的地图特征数据融合。