目标 了解参数和状态估计的最小二乘法 将线性卡尔曼滤波器及其非线性变体，扩展和无味卡尔曼滤波器应用于状态估计问题 为典型的定位传感器（例如GPS接收器，惯性传感器和LIDAR距离传感器）开发模型 了解LIDAR扫描匹配和迭代最近点（ICP）算法 使用这些工具将来自多个传感器流的数据融合到自动驾驶汽车的单个状态估计中 重要性 动机 我在哪里？ 我移动多快？ 为什么很难：传感器和测量不完美 定义 本地化：确定车辆位置和方向的过程 如何？ 例如状态估计 状态估计：根据一组[噪声]测量值计算[物理量（例如车辆位置）的最可能值] 相关概念：参数估计 与状态（例如，车辆的位置和方向）不同，参数（例如，电阻的电阻）随时间是恒定的（即，预计从第一次测量到最后一次测量都不会改变）

PanoSim是一款仿真软件，包括传感器仿真和车辆动力学仿真，用于自动驾驶仿真的工具

汽车数据和时间触发框架标准。V2.1.1

介绍车联网相关内容，包括自动驾驶感知、决策相关技术、C-V2X相关技术、架构、厂家，适合快速了解车路协同领域

自动驾驶计算机视觉研究综述英文版，阐述了自动驾驶计算机视觉研究综述：难题、数据集与前沿成果。资料来自网络，请用于个人学习，若侵犯到您的权益，请联系363509627@qq.com,我会尽快删除。

使用PX4:registered:自动驾驶仪的UAV工具箱支持包，您可以从MATLAB:registered:和Simulink:registered:访问自动驾驶仪外围设备。 借助EmbeddedCoder:registered:，您还可以自动生成C ++代码并使用PX4工具链来构建和部署专门为Pixhawk:registered:和Pixracer飞行管理单元（FMU）量身定制的算法，同时结合机载传感器数据和其他PX4特定服务。 PX4是Lorenz Meier的商标。

2021自动驾驶产业链全梳理

基于OpenCV的自动驾驶RC汽车

整个智慧公路结构由感知层、网络通信层、决策处理层以及服务提供四个层次构成。智能公路将通过 边缘计算设备（汽车终端、路侧设备等）实时感知和收集车辆的行驶状态和道路状况，然后通过泛在 网络（主要为5G、RFID、DSRC等）实现智能公路各实体之间的互联互通，接着运用大数据和云平台 技术（数据库、大数据分析平台等）对数据进行动态交互，信息挖掘和智能决策等一系列处理，从而 为车辆，驾驶员，管理者等参与者提供全面高效的信息服务。V2X网络通信技术：实现高度智能的车-路通信与协作的基 础，在异构网络融合和频谱资源共享基础上实现无所不在 的网络覆盖（例如5G、DSRC、RSRC、WIFI等）。高精度地图技术

mooc大学中，无人驾驶车辆课程第7章作业题（给定材料中包含的MATLAB代码，可以生成50*50的地图，x表示障碍物，起点和终点均已给定，用A*算法实现路径规划）。 包括了实现所需所有的函数代码。