Autonomous-Driving-101

作者: 牛肉咖喱饭

定期一个自动驾驶相关领域小项目或者小组件的试用分享！

参数标定

camera-calibration 入门能够比较好的阐述相机标定具体步骤和原理的

CameraCalibration 实用工具 这个项目集合了相机标定相关的多个脚本工具，便于完成完整的车载环视相机标定流程

ros-camera-lidar-calibration 实用工具 相机内参标定与相机lidar外参标定

lidar_IMU_calib 实用工具 Lidar IMU 的标定工具

sync_gps_lidar_imu_cam 硬件方案 lidar-imu-cam-GPS时间戳硬件同步方案

Advanced-Lane-Detection 一个非常适合新人的车道检测任务的小demo

YOLOR 提出了在网络模型中引入隐知识的概念，将隐知识和显知识同时作用于模型训练，通过核函数对齐，预测精修以及多任务同时学习，让网络表征出一种统一化的特征。

YOLOX Anchor-free 版本的YOLO，堆砌了解耦头，simOTA等，达到了SOTA

Lite.ai 该项目提供了一系列轻量级的目标检测语义分割任务的整合框架支持 YOLOX🔥, YoloR🔥, YoloV5, YoloV4, DeepLabV3, ArcFace, CosFace, RetinaFace, SSD, etc.

Yolov5_DeepSort_Pytorch 基于yolo-v5的目标追踪

Cam2BEV Cam2BEV一个将多路周视摄像头的语义分割结果融合在一个鸟瞰图的工具，并且该方法不需要手工对鸟瞰图进行标注通过合成的数据进行训练。

YOLOP 来自华中科技大学的作品，也是yolo系列的另一力作，本项目提出额一种高效的多任务网络，可以联合处理自动驾驶中的多个任务（目标检测，可行驶区域分割与车道检测三个关键任务），值得注意的是在BDD100K中该方法实现了SOTA的情况下还保持了嵌入式友好。

3D-BoundingBox 基于单目的3D bbox估计

DeepLIO Lidar + IMU 一款基于深度学习的lidar IMU融合里程计

hdl_localization Lidar + IMU 基于卡尔曼滤波的位置估计使用了激光雷达，IMU, 可以做到实时估计。

hdl_graph_slam Lidar + IMU + GPS 它基于三维图形SLAM，具有基于NDT扫描匹配的测距估计和循环检测。它还支持几个约束，如GPS、IMU。

LIO-SAM Lidar + IMU + GPS 基于激光雷达，IMU和GPS多种传感器的因子图优化方案，以及在帧图匹配中使用帧-局部地图取代帧-全局地图。

LVI-SAM Lidar + Camera 基于视觉+激光雷达的惯导融合

LeGO-LOAM Lidar LeGO-LOAM是以LOAM为框架而衍生出来的新的框架。其与LOAM相比，更改了特征点的提取形式，添加了后端优化，因此，构建出来的地图就更加的完善。

SC-LeGO-LOAM Lidar LeGO-LOAM的基于全局描述子Scan Context的回环检测

SC-LIO-SAM Lidar + Camera LIO-SAM的基于全局描述子Scan Context的回环检测

[An Auto-tuning Framework for Autonomous Vehicles] (https://arxiv.org/pdf/1808.04913.pdf)

自动驾驶中的决策规划算法概述 学习资料 PID 学习资料 有限状态机 学习资料 MPC 学习资料 [PathPlanning]https://github.com/zhm-real/PathPlanning 学习资料 一个直观的路径规划常见规划算法的可视化与基本代码实现