整理的自动驾驶资料包，报告各大公司自动驾驶报告等，适合自动驾驶和汽车前沿技术的学习

随着人工智能（Artificial Intelligence AI 高速 发展与应用，计算机技术已 经进入以人工智能为代表的新信息技术时代 ——智能技术时代 。 近两年来 人 工智能在中国已经被提升到了国家发展战略的高度。本文探讨了人工智能的起 源与发展，分析了中国 人工 智能 的发展历程 。 用数据说话，从专家、论文和专利 三方面分析了中国人工智能的科研现状，列举了中国 AI在语音识别、人脸识别、 自动驾驶和无人机等方面的实践应用 。 AI和汽车研究领域的交叉发展给我们的交通带来了革命性的变化。了解和 掌握汽车领域人工智能的研究和进展，发现未来的研究趋势，了解全球顶尖的 研究学者和机构，洞察先机，掌握未来。

SLAM学习，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多的资料

文档一共50页，是同济大学朱西产教授在CICV 2018上做的自动驾驶汽车测试评价方法的报告。

车道和车辆检测系统 OpenCV图像处理管道，用于自动驾驶汽车的车道和车辆检测 图像处理管道 添加自动调整（自动亮度和对比度）以消除颜色不规则 转换为灰度并隔离黄色和白色 运行Canny边缘检测器 创建感兴趣的区域以减少周围的噪音 运行概率霍夫线变换 平均左车道线和右车道线成1条凝聚力车道 自动调整 为了使图像清晰，我们可以使用对比度优化和直方图裁剪自动调整亮度。 然后，该算法将根据削波百分比自动生成α和β（可以通过增加百分比来增加目标亮度）。 蓝色（调整前）橙色（调整后） 与以前的混合方式相比，车道线现在更为普遍。 这将使以后的边缘检测更容易识别线条。 隔离黄色和白色 从RGB转换为HSV使得黄色和白色阴影更易于检测。 通过这样做，我们可以简单地将黄色和白色道路标记与图像的其余部分隔离开（任何覆盖浅色和深色阴影的颜色范围都应该起作用）。 现在，我们将原始帧转换为灰度，并将其与新的

自动驾驶技术已经成为整个汽车产业的最新发展方向。应用自动驾驶技术可以全面提升汽车驾驶的安全性、舒适性，满足更高层次的市场需求等。自动驾驶技术得益于人工 智能技术的应用及推广，在环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网 V2X 等方面实现了全面提升。

2021年长城汽车智能化专题报告.pdf

2021自动驾驶用户认识洞察报告.pdf

自动驾驶地图特征定位数据技术规范.pdf

2020年3月发布，《北京市自动驾驶车辆道路测试报告（2019年）》显示，截止2019年年底，各企业进行自动驾驶路测的车辆累计达到77辆，测试总里程超过104万公里。2019年全年测试总里程达88.66万公里，测试车辆为73辆，其中40辆可载人测试。百度Apollo以52辆测试车以及75.4万公里新增测试里程成为年度所有测试企业中投入测试车数量最多、测试里程最长的企业。