关于「无人驾驶」的学习路线...
来源 | 知乎冰锐
二次排版 | 张巧龙
目前我的研究方向是多传感器融合感知和定位，所以关于这个方向的可能说的多一些。
先上传一张百度Apollo 1.0的全栈工程师的技术图谱吧。
下面进入正题吧！
首先是编程语言的学习了，Python，C++，Matlab，C这几门是必须要会的，有空闲是时间可以学学Java,毕竟是排名第一的语言。
首先，python人工智能的标配语言，可以看看廖雪峰的教程，B站上搜一下很多不错的教程。
其次，C++，被称为最难的语言，性能是这门语言的关键。可以看看C++ Primer 做入门，后面关于STL、多线程和socket编程等进阶了在说，到时候你自然知道看什么了。
Matlab学车辆的要会，这个多参加几次数学建大赛就都会了。
C语言，做嵌入式开发离不开它，单片机（如STM32）有时间可以玩一玩，不要求精通到会画PCB,但是车载网络的基本协议都要掌握，尤其是CAN,其次包括电机控制，各种车载传感器的控制和数据解析等都要会，自己有了想法想实现的时候，这不能成为你的障碍。
接下来说一些工具类吧！
首先是ROS系统，作为最流行的机器人操作系统应该熟练掌握，其中很多的思想对你学习其他的系统很有帮助。比如百度的Apollo系统就是从ROS中出来，虽然现在已经换成了他们自己开发的Cyber RT系统，但是ROS订阅和发布的机制仍然保留了，且那个系统从底层进行更改，我们在上层开发，只需要熟悉API就可以很快学会。除此之外ROS系统还有很强大的社区和各种开源的工具像Rviz（数据可视化），Gazebo（物理仿真模型）等工具很好用，关于ROS暂时说这些。
ROS的资料首推古月居前辈的《ROS机器人开发与实践》，深蓝学院有他的课，你可以看看，还有ROS的官网，要好好看看。
接下来是Bazel、Cmake、Protobuf等编译工具，这个上官网学习即可，Cmake有一个叫做《Cmake Practice》的小册子写的不错。
然后是Docker，容器的优点我就不细说了，主要是Apollo的系统是基于Docker的，一定要理解好容器的本质还有镜像和仓库的概念，这样对你理解docker的命令很有帮助。
接下来是Opencv和PCL了，一个2D视觉一个3D点云，我觉得视觉的发展一定会从2D走向3D，这两个库必须要会。Opencv就不说了，资料太多，自己搜就行，PCL有一本叫做《点云库PCL学习教程》的书，但是感觉就是官网翻译，不想看英语的可以看这个，把书里的代码全部跑一边，并且读懂每行代码的含义就行，以后用到哪一部分在细致学习即可。
接下来说一说人工智能的流行框架
首先是TensorFlow和Keras，这个主要是基于静态图的, TensorBoard是很好的可视化工具，TensorFlow2.0改进后也可以进行动态图的编程了。TensorFlow主要是工业界在用，所以学习它是不可避免的。TensorFlow学习来还挺简单但是Debug的时候不是那么友好，底层代码晦涩难懂，这个的教程太多了，自己搜B站有很多。
其次是Pytorch，这个主要基于动态图，主要在学术界使用，但是最近Pytorch发展迅猛，刚刚发布1.2版本，感觉已经追上TensorFlow了。这个学起来简单易用，上手快，代码清晰易懂。
如果做视觉的话Caffe是个不错的选择，Caffe 中的数据结构是以 Blobs-layers-Net 形式存在的，扩展性好且专精于图像处理。学习起来和前面两个区别挺大，但是毕竟都是框架，都不是很难学。
前面说的那些你都会了，下面就要学些上档次的了。
首先数据结构和算法，这个你可以看看《大话数据结构》做为入门，之后上LeetCode上刷题，还有《剑指Offer》可以看看，不仅对你学习算法有好处，还对以后找工作有帮助。然后《操作系统原理》、《计算机网络》、《计算机组成原理》有时间都学一学，这是你和那些培训班出来的学生的区别。
关于机器学习和深度学习的原理课程的推荐。
首推Coursera上Andrew Wu的深度学习课程，配上课后的编程练习，一遍下来，最起码是个入门水平了，真正明白深度学习中的那些细节和原理。李宏毅的课程也很好，就是*腔听着有点不习惯，还有Standford的CS231N，李飞飞的课程，推荐自然没什么说的。书的话，可以看看周志华的《西瓜书》，还有著名的《花书》，以及《强化学习》都是圣经类的书籍了。
最关键的是数学了，这是一切的基础。
首先，本科阶段学的高数，线代，概率论都要熟练掌握，不能比考研的同学差，其次要自己学一学离散数学，线性代数要学的更高级，像奇异值分解，三角分解等要会，尤其是把概率论和线性代数结合起来，要看懂。线性代数可能需要你至少学三遍以上，才能逐渐理解它的美。然后是优化理论，像非线性优化和凸优化等，最后还有信息论的东西要学习一下。对了还有现代控制理论的东西必须要会，这是很基础的，也是很重要的。
最后再来推荐一波SLAM的相关书籍和视频吧！虽然，目前SLAM还不能在无人车上有太大的应用，但是学会了它，可以说，学其他东西都很简单。
首推，高翔的课程，他的《视觉slam十四讲》，SLAM入门非常好的书籍，还有他的视频课程。接下来推荐高翔翻译的《机器人学中的状态估计》读懂了这门书就在也不怕数学了，还有《概率机器人》让你对各种滤波器有很好的理解，最后要想深入视觉SLAM，《计算机视觉中的多视图几何》这本书是逃不开的，想要成为精英，就要付出代价，可以慢慢啃。还有推荐高翔在深蓝学院的《从零手写VIO》课程，这可能是视觉SLAM真正应用的很好的方向了，多传感器融合的趋势已经不可阻挡了。还有激光SLAM，我看到是曾书格的视频。
还有Udacity的无人驾驶课程挺好的，要是能自己完成全部项目，相信已经超过70%的人了，我打算这个假期把这个课程看的差不多。
最后，也来展示一下我们前一阵利用百度Apollo做的无人校园快递车的Demo吧！
校园无人驾驶演示
在车辆工程专业想做无人驾驶的小伙伴，这个专业可能成为你的劣势，但是把握好，这可能会变成我们的优势。
虽然我一直是为了拿奖学金和保研*学了车辆的知识，但是四年下来，我对车的理解真的和大一刚来的时候有了很大区别，真的敢说自己懂点车了。
总之，技多不压身，虽然是*学习，但是也都挺过来了。也许这就是命，可能当初高考少打20分我就去学计算机了，也许在计算机专业我再也不会接触到车，也许会有更好的选择，但是现在也不后悔，在车辆的这几年我变的更加立体了，学了很多课外的东西，过的也很充实。
我从没有被自己的专业限制，本科阶段我们就应该广泛接触，多学自己感兴趣和对未来的发展有帮助的知识，研究生在选一个小的方向继续深入。
不要被专业限制了自己，觉得自己是车辆工程的学生编程就是不行，数学就是不好。
专业只是你的一个小小的标签，除去它，你练就的各种各样的能力才是真正重要的东西，车辆专业的你，代码能力依旧可以很好，数学水平仍然可以练就，要对自己有自信！
-END-
往期好文合集
最 后
若觉得文章不错，转发分享，也是我们继续更新的动力。
5T资源大放送！包括但不限于：C/C++，Linux，Python，Java，PHP，人工智能，PCB、FPGA、DSP、labview、单片机、等等！
在公众号内回复「更多资源」，即可免费获取，期待你的关注~
长按识别图中二维码关注