getfromcode

深蓝学院-自动驾驶控制与规划

算法数学
课程简介

这门课解决什么问题 在自动驾驶领域,控制与规划是决定车辆能否安全、高效运行的核心环节。这门课聚焦于算法与数学在自动驾驶中的应用,具体解决工作场景中常见的难点,例如:如何通过模型精确预测车辆动态、如何优化路径规划以避开障碍物、如何在复杂路况下实现稳定控制。对于从事算法研发或自动驾驶开发的工程师,课程能帮助他们填补从理论研究到工程实践的鸿沟。例如,在解决AEB…

已有 0 人浏览 发布 2026-06-13 更新 2026-09-22

这门课解决什么问题

在自动驾驶领域,控制与规划是决定车辆能否安全、高效运行的核心环节。这门课聚焦于算法与数学在自动驾驶中的应用,具体解决工作场景中常见的难点,例如:如何通过模型精确预测车辆动态、如何优化路径规划以避开障碍物、如何在复杂路况下实现稳定控制。对于从事算法研发或自动驾驶开发的工程师,课程能帮助他们填补从理论研究到工程实践的鸿沟。例如,在解决AEB(自动紧急制动)系统的控制逻辑时,需要结合最优控制理论和状态估计方法,课程提供了从理论推导到实际参数调整的完整方法。此外,课程还涉及多传感器融合中的滤波算法,这对于提升L2+级以上自动驾驶的感知精度至关重要。这些问题往往涉及非线性系统建模、优化算法设计等高阶数学知识,而课程的目标就是将抽象的理论转化为可落地的解决方案。

实际应用场景举例

以城市道路的动态路径规划为例,自动驾驶车辆需要实时处理行人穿梭、红绿灯变化等不确定性因素。课程中会讲解如何通过马尔可夫决策过程(MDP)或强化学习算法,在满足安全约束的前提下最大化通行效率。另一个典型场景是车道保持控制,需要结合卡尔曼滤波和PID(比例-积分-微分)控制,确保车辆在高速行驶时保持车道居中。这些问题在实际工作中往往需要反复调试,而课程通过提供典型算法的实现框架,可以减少工程师从零开始研究的试错成本。例如,课程中的仿真实验模块展示了如何通过参数调优,使车辆在雨雪天气下仍能保持稳定的循迹能力。对于没有自动驾驶项目经验但希望快速入行的工程师,这些案例能帮助他们理解数学模型如何转化为实际代码,而无需从头学习底层硬件或传感器原理。

学完能独立做什么

完成这门课后,学员能独立完成自动驾驶控制系统或规划算法的模块开发。具体来说,可以设计并实现基于模型预测控制的ACC(自适应巡航控制)系统,或者开发支持多车协同的路径规划算法。此外,学员能通过仿真验证不同算法的性能差异,例如比较不同优化器(如LQR、MPC)在拥堵路况下的响应速度和能耗表现。对于希望转型自动驾驶领域的计算机科学或数学背景从业者,课程提供的工程化训练能直接对接实际开发需求。例如,课程中包含的ROS(机器人操作系统)编程练习,能让学员掌握如何将理论算法部署到真实机器人平台。值得注意的是,课程强调的不仅是算法的正确性,还包括实际部署中的计算效率问题,例如如何通过简化数学模型减少在线计算量。这种能力在嵌入式系统开发中尤为重要,因为车载计算平台资源有限。

与初级课程的区别

相较于偏向理论的课程,本课程更注重工程实践。例如,在讲解PID控制器时,不仅推导了方程,还提供了不同工况下的参数整定方法,甚至涉及抗饱和、前馈补偿等工程细节。对于具备基础控制理论的学员,本课程能帮助其快速掌握如何将理论应用于实际场景。另一个区别在于课程包含大量代码实现,涵盖C++和Python两种主流开发语言。例如,课程中的路径规划部分会提供基于JPS(Jump Point Search)算法的代码框架,学员可以直接修改代价函数或启发式参数,观察仿真结果的变化。这种“理论+代码+仿真”的闭环学习方式,能有效避免学完理论后无法落地的困境。但对于零基础学员,课程建议先学习控制理论或优化算法的基础课程,否则可能因数学基础薄弱而难以跟上进度。

适合什么基础

这门课适合具有工科背景且具备一定数学基础的学员。具体要求包括:掌握线性代数(如矩阵运算)、微积分(偏导数、梯度)、概率论(如高斯分布、贝叶斯滤波);熟悉C++或Python编程,了解面向对象编程概念;最好有控制理论或最优化方法的基础知识。例如,课程中的动态规划部分会用到离散优化理论,如果学员对Bellman方程等概念完全陌生,可能需要额外学习相关资料。课程资料中包含部分数学推导的补充说明,但对于纯粹的理论研究者,未必能满足其深度需求。对于非计算机专业的学员,课程建议在开始前通过MIT OpenCourseWare等平台的《现代控制理论》课程快速补齐知识短板。此外,学员需具备较强的逻辑思维能力,因为课程会涉及较多抽象模型的转换,例如如何将物理世界的车辆运动方程转化为数学模型。

如何判断是否适合自己

适合学员的典型特征包括:在实习或工作中接触过自动驾驶相关项目,但缺乏系统化训练;或者从事算法研究但希望转向工程岗位,需要补齐实际开发技能。例如,课程中的仿真实验要求学员熟悉Gazebo或Carla等仿真平台,如果学员从未使用过这些工具,可能需要额外学习其使用方法。另一个判定标准是学员是否具备问题导向的学习习惯,因为课程会通过实际案例引导学员思考“如何解决”而非“为什么成立”。例如,在讲解凸优化算法时,课程会直接展示如何在CVXPY库中定义二次规划问题,而省略了繁琐的数学证明。对于具备这些特征的学员,课程能显著缩短从理论学习到工程实践的时间;但如果学员希望深入探索数学理论,可能需要寻找更偏学术的资料。

资料怎么配合练习

课程资料包含理论讲解视频、数学推导文档、代码示例及仿真实验脚本。建议的实践步骤是:先完整学习控制与规划的基础模块,如PID控制、路径规划算法分类等;然后重点练习代码实现部分,特别是ROS相关的模块,因为实际开发中常用该平台;最后通过仿真实验验证算法效果,例如在Gazebo中构建简单场景测试AEB系统的响应时间。例如,课程中的MPC(模型预测控制)模块提供了基于Pyomo的代码框架,学员可以通过修改预测时域长度或约束条件,观察仿真结果的变化。对于希望进阶的学员,资料包还包含部分开源项目的源码,可以用于对比学习。此外,建议学员在练习时记录遇到的问题,并尝试通过调试或查阅资料解决,因为这类问题往往能反映实际工作中的挑战。例如,在实现多车协同规划时,学员可能会遇到计算资源不足的问题,这时可以参考课程中关于并行计算的部分,优化算法的效率。

常见误区与应对

最常见的误区是学员仅关注理论推导而忽视工程细节。例如,在实现卡尔曼滤波时,如果仅套用公式而忽略量测噪声或过程噪声的调参,会导致仿真结果与实际系统偏差较大。课程通过展示不同参数设置下的仿真对比,帮助学员理解这些工程问题。另一个误区是过度依赖仿真结果,导致对实际系统的不确定性认识不足。例如,课程中的路径规划算法在仿真中表现优异,但在真实场景中可能因传感器误差或通信延迟而失效。对此,课程建议学员在仿真中加入随机干扰,模拟真实环境,并通过鲁棒性测试。此外,部分学员容易在复杂数学推导中迷失方向,对此建议结合课程中的图表和动画加深理解。例如,在讲解非线性系统控制时,课程通过相平面分析等可视化方式,让抽象概念更直观。通过这种学习方式,学员能更好地将数学模型与实际应用相结合。

课程介绍

深蓝学院-自动驾驶控制与规划 属于算法数学方向的教程资源,围绕 算法数学 相关内容整理。

适合希望系统学习 算法数学 、需要完整资料对照的同学。

下方为完整资料与目录,可先看目录判断是否符合需要。

深蓝学院-自动驾驶控制与规划

???????????????????

??????

??????????????????????????????????????????????????????????????

? ?????

??????????????????????????????????????????????????

??????

???????????????
?????????????
???????????????

γĿ¼

? 02????? ???????????
? ???
? 03?????? ???????????
? 01????? ???????????????
? 04?????? ?????????????????
? 05?????? ????MPC???????????????
? 07?????? ??????
? 06????????????
? ???
? 08????? ???????

??????

  • ???????????
  • ????????
  • ????????????

ѧϰջ

????????????????
??????????????
?????????????????

????????

????????????????

课程目录

课前资料
| ├──2022 控制岗位 面试题梳理.pdf 283.65kb
| ├──LGSVL离线运行指南.rar 1.68M
| ├──ROS安装参考资料.zip 352.28kb
| ├──课程介绍及基础资料.pdf 307.63kb
| └──自动驾驶控制与规划第一期开课仪式.pdf 765.62kb
自动控制课程相关介绍及设计原理资料.pdf 307.63kb
第一章 自动驾驶规划控制概况
| ├──PnC L1.pdf 1.35M
| ├──【仿真配置】LGSVL-ROS.pdf 3.66M
| ├──第1节 什么是无人车, 自动驾驶的不同的等级.mp4 68.99M
| ├──第2节 无人车的基本组成部分以及功能介绍.mp4 47.04M
| ├──第3节 规划控制的基本组成.mp4 38.49M
| └──第4节 课程结构-控制、规划.mp4 13.01M
第二章 车辆纵向控制
| ├──作业
| | ├──2.5【作业】实现后的效果展示.mp4 793.26kb
| | ├──ROS 1.0 Project I 巡航控制系统.zip 117.01M
| | ├──ROS 2.0 src PID.zip 3.99M
| | └──第二章思路提示-助教夏韵凯.pdf 312.57kb
| └──L2 Vehicle Longitudinal Control.pdf 2.38M
第三章 车辆横向控制
| ├──实践作业
| | ├──Project Ⅱ Stanley算法实现车辆的横向控制.pdf 252.57kb
| | ├──Project Ⅱ Stanley算法实现车辆的横向控制.zip 52.07M
| | ├──ROS 1.0 Src Stanley_vis.zip 20.54M
| | ├──ROS 2.0 src Stanley.zip 22.03M
| | └──第三章思路提示=助教高宇辉.pdf 397.72kb
| ├──(Organized)控制规划第一期第一次在线答疑问题收集-讲师返回.docx 120.24kb
| 鈹溾攢鈹€3.lateral control based on vehicle geometric model.mp4 64.53M
| ├──L3 Autonomous Vehicle.pdf 1.23M
第四章 车辆轨迹追踪的优化控制
| ├──第四章作业
| | ├──lqr_control.zip 26.41M
| | ├──Project Ⅲ LQR 轨迹跟踪.pdf 241.66kb
| | ├──ROS 1.0 lqr_controller_to_do.zip 25.73M
| | ├──ROS 2.0 lqr_galactic_wtih.zip 17.97M
| | └──第四章作业思路讲解-助教夏韵凯.pdf 831.08kb
| ├──4.基于LQR的轨迹追踪.mp4 21.85M
| ├──5.基于preview的轨迹追踪.mp4 24.53M
| ├──L4 Vehicle Lateral Optimal Model.pdf 4.88M
| └──状态反馈.pdf 342.39kb
第五章 基于MPC的车辆控制及轨迹规划
| ├──实践项目(选修)
| | ├──MPC模型构建.pdf 343.67kb
| | ├──MPC实践代码.zip 15.61M
| | ├──Soft Constraints And Exact Penalty Functions In Model Predictive Control.pdf 138.51kb
| | └──自动驾驶控制与规划第一期第二次答疑问题收集-wuning返回.docx 20.41kb
| 鈹溾攢鈹€1.浠€涔堟槸MPC.mp4 32.72M
| ├──2.MPC控制器.mp4 45.19M
| ├──3.车辆运动模型构建.mp4 43.77M
| ├──4.目标函数构建.mp4 28.71M
| ├──5.不等式约束和松弛因子.mp4 16.36M
| ├──6.主流求解器及MPC加速.mp4 15.74M
| ├──L5 Vehicle Model Predictive Controller.pdf 2.10M
第六章动作规划
| | ├──作业代码框架ros1.0
| | ├──作业代码框架ros2.0
| | ├──Project Ⅳ Frenet Optimal Trajectory Planner.pdf 228.66kb
| | ├──第六章作业分享-陈林.pdf 1.54M
| | ├──第六章作业思路讲解-助教高宇辉.pdf 1.08M
| | └──第四节 实践作业效果演示.mp4 3.97M
| ├──Frenet – Cartesian Transformation.pdf 282.51kb
| ├──第二节基于随机采样的动作规划.mp4 35.30M
| ├──第一节 动作规划的任务以其基本概念.mp4 41.22M
| └──课件L6.pdf 3.50M
第七章 决策规划
| ├──1.决策任务的规划以其问题.mp4 14.84M
| ├──2.基于有限状态机的决策规划(1).mp4 15.80M
| ├──2.基于有限状态机的决策规划.mp4 15.78M
| ├──3.行为树的决策规划方法.mp4 19.21M
| ├──4.基于部分客观的Markov决策过程1.mp4 20.29M
| ├──4.基于部分客观的Markov决策过程2.mp4 7.85M
| ├──5.基于模仿学习的决策规划.mp4 11.11M
| 鈹溾攢鈹€6.鎬荤粨.mp4 6.71M
| ├──L7 FSM_BT.pdf 946.98kb
| ├──L7 learning-based decision planning.pdf 757.73kb
| ├──基于学习的规划研究.rar 5.93M
| └──基于学习的决策规划背景知识.pdf 193.43kb
第八章 路径规划
| ├──1.路径规划的任务以及问题.mp4 8.67M
| ├──4 自动驾驶中的路径规划.mp4 30.60M
| 鈹溾攢鈹€5 鍦ㄧ嚎绛旂枒.mp4 104.28M
| ├──L8 mission planning.pdf 1.89M
| ├──讲师答疑相关论文资料分享.zip 6.51M
| └──自动驾驶控制与规划第一期第三次答疑问题收集-图南南22.8.14(讲师返回).docx 471.53kb
课程购买
课程价格
金币29.9
299金币限时优惠会员免费
销量:0
💎 开通会员每日免费下载,比单买更划算 →
支付成功后会自动显示下载资源云盘的链接!点击链接即可下载到本地。