点击展开/折叠
| 书籍名称 | 作者 | 简介 |
|---|---|---|
| 无人驾驶车辆系统概论（第2版） | Rahul Kala | 1000+页自动驾驶全栈教材 |
| 自动驾驶技术系列·决策与规划 | 清华大学智能产业研究院（AIR团队） | 国内最全面的规划算法书 |
| 无人驾驶原理与实践 | 刘少山等（兰州大学） | 完整C++工程代码，从零搭建L4小车 |
| Probabilistic Robotics | Sebastian Thrun / Wolfram Burgard / Dieter Fox | 概率机器人学标准教材，定位与SLAM |
| Planning Algorithms | Steven M. LaValle | 路径规划领域经典参考书 |
| Effective Modern C++ | Scott Meyers | 现代C++最佳实践与代码规范 |
| C++ Concurrency in Action（第2版） | Anthony Williams | C++多线程与并发编程实战 |
| C++ Templates: The Complete Guide（第2版） | David Vandevoorde / Nicolai M. Josuttis / Douglas Gregor | C++模板元编程完整指南 |
| Multiple View Geometry in Computer Vision（第2版） | Richard Hartley & Andrew Zisserman | 计算机视觉多视图几何标准教材 |
| Vehicle Dynamics and Control（第2版） | Rajesh Rajamani | 车辆动力学与控制经典教材 |
| Autonomous Driving: How the Driverless Revolution will Change the World | Andreas Herrmann 等 | 自动驾驶产业全景+技术路线，适合开阔眼界 |
| Introduction to Autonomous Mobile Robots（第2版） | Roland Siegwart 等 | 移动机器人入门经典，传感器到导航全讲 |
| State Estimation for Robotics | Timothy D. Barfoot | 卡尔曼滤波、因子图、iSAM现代推导 |
| Principles of Robot Motion: Theory, Algorithms, and Implementations | Howie Choset 等 | 运动规划完整理论体系 |
| Applied Predictive Control | Sunan Huang & Tan Kok Kiong | 自动驾驶里最实用的MPC教材 |
| Model Predictive Control: Theory and Design | Rawlings & Mayne | MPC领域绝对标准教材，控制组必备 |
| Autonomous Vehicle Technology: A Guide for Policymakers and Planners | James M. Anderson 等 | 系统架构与模块划分清晰，适合写方案 |
| Learning OpenCV 4（Vol.1 & Vol.2） | Adrian Kaehler & Gary Bradski | OpenCV官方书 |
| Modern Robotics: Mechanics, Planning, and Control | Kevin M. Lynch & Frank C. Park | 机械臂+移动机器人现代教材 |
| The DARPA Urban Challenge | Martin Buehler 等 | 2007年DARPA冠军队伍技术总结，历史经典 |
| Deep Learning for Self-driving Car | Chenyi Chen 等 (Princeton) | 深度学习端到端自动驾驶经典，含C++实现思路 |
| Self-Driving Vehicles and Enabling Technologies | Marian Găiceanu 等 (编) | 全书章节免费PDF，含C++嵌入式章节 |
| Autonomous Driving: Technical, Legal and Social Aspects | Markus Maurer 等 | Springer整书Open Access，技术+法规+架构 |
| Self-Driving Car Using Simulator | ResearchGate 项目报告 | 完整C++小车项目+代码，适合直接上手 |
| Self-Driving Cars: Are We Ready? | KPMG | 经典产业报告 |
| Self-Driving Car Autonomous System Overview | Daniel Casado Herráez | 西班牙大学生毕业设计，C++硬件接口实战案例 |
| Planning Algorithms | Steven M. LaValle | 路径规划领域绝对经典，A*/RRT/PRM全有 |
| Probabilistic Robotics | Sebastian Thrun 等 | 概率机器人学圣经，定位/SLAM必读 |
| Multiple View Geometry in Computer Vision（第2版） | Hartley & Zisserman | 多视图几何领域标准参考书，视觉SLAM必备 |
| State Estimation for Robotics | Timothy D. Barfoot | 现代卡尔曼/因子图最清晰教材 |
-
KITTI
经典的 3D 感知基准，用于 3D 目标检测、跟踪和里程计 -
nuScenes
多模态大规模数据集，专注于全场景 3D 检测与轨迹预测 -
Waymo Open Dataset
业界标注最精细，适用于高精度感知和 LiDAR 处理 -
Argoverse 2
带高清矢量地图，专注轨迹预测、地图融合和驾驶行为分析 -
A2D2 (Audi)
包含 CAN 总线数据，用于语义分割和多模态 3D 标注 -
comma2k19
单目摄像头+真实驾驶CAN数据，最适合端到端驾驶模型 -
CARLA Generated Data
开源仿真器，可自定义天气、地图，无限生成完美同步的多传感器数据 -
ApolloScape
街景图像、LiDAR点云、轨迹数据，覆盖城市交通全方面感知与导航 -
Cityscapes
城市街景视频序列，精细像素级语义分割与实例分割标注 -
SemanticKITTI
KITTI扩展版，含LiDAR点云的语义分割标注，专注3D场景理解 -
WoodScape
鱼眼摄像头图像，环视视图语义分割，适用于停车与低速场景 -
Zenseact Open Dataset (ZOD)
多模态欧洲城市驾驶数据，含帧序列、驱动记录与雷达点云 -
NVIDIA Physical AI Autonomous Vehicles
多传感器全球驾驶数据，覆盖25国2500+城市，专注端到端物理AI -
MAN TruckScenes
多模态卡车驾驶数据集，覆盖多样条件如恶劣天气与多车道 -
Para-Lane
多车道实时世界数据集，设计用于新型视图合成与端到端驾驶评估 -
UniOcc
占用网格预测与体素流数据集，支持跨域泛化与未来占用预测 -
InterHub
密集多代理交互轨迹数据，源自大规模自然驾驶记录，专注驾驶交互研究 -
rounD
圆环路口路用户轨迹数据集，含6小时视频和13K+用户记录，支持行为预测 -
WOMD-Reasoning
基于Waymo Open Motion Dataset的语言标注，专注交互意图描述与推理 -
V2V-QA
车对车问答数据集，支持端到端协作自动驾驶的LLM方法开发与评估 -
DriveBench
视觉语言模型可靠性基准数据集，含19K帧和20K问答对，覆盖多种驾驶任务 -
FutureSightDrive
时空链式思考数据集，支持视觉驱动的自动驾驶预测与规划 -
Adverse Weather Dataset
恶劣天气多模态数据集，含雪雨雾场景下的12K真实样本与1.5K控制样本
-
ROS 2
机器人与自动驾驶领域最广泛使用的中间件，支持分布式实时系统 -
CyberRT
Apollo自研的高性能数据通信与调度框架 -
CARLA
基于Unreal Engine的高保真自动驾驶仿真器，支持多传感器与交通流 -
LGSVL Simulator / SVL
原LG开源仿真器，支持Apollo、Autoware等多平台闭环仿真 -
NVIDIA DRIVE Sim
NVIDIA基于Omniverse的企业级自动驾驶仿真平台 -
DeepStream SDK
NVIDIA智能视频分析与多传感器融合流水线框架 -
TensorRT
NVIDIA高性能深度学习推理引擎，专为嵌入式与车载优化 -
ONNX Runtime
微软开源跨平台推理引擎，支持多种硬件加速 -
Triton Inference Server
NVIDIA开源高并发模型部署与推理服务框架 -
Bazel
Google开发的大规模构建与测试工具，Apollo默认构建系统 -
Colcon
ROS 2官方推荐的元构建工具 -
Fast-DDS
eProsima高性能DDS实现，ROS 2默认通信中间件 -
Cyclone DDS
Eclipse基金会高性能DDS实现，广泛用于汽车与机器人领域 -
Zenoh
新一代超低延迟边缘通信协议，已在多家自动驾驶公司验证 -
Foxglove Studio
最流行的自动驾驶与机器人数据可视化与分析工具 -
Mcap
下一代跨平台录制文件格式，取代rosbag -
Lanelet2
开源高精地图格式与路由库，Autoware默认地图方案 -
AUTOSAR Adaptive
新一代车载自适应软件平台标准，支持动态更新与服务化架构
-
Apollo
百度L4全栈自动驾驶平台，支持实车部署 -
Autoware
基于ROS2的开源自动驾驶系统，已在多国道路运行 -
openpilot
comma.ai端到端驾驶系统，已在超过20万辆车上运行 -
UniAD
端到端自动驾驶框架（感知-预测-规划-控制） -
VAD
端到端自动驾驶模型，支持矢量化轨迹输出 -
ST-P3
基于Transformer的端到端感知-预测-规划一体化模型 -
DriveDreamer-2
基于世界模型的端到端驾驶框架 -
CARLA
基于Unreal Engine的高保真自动驾驶仿真器 -
MetaDrive
轻量级、可生成无限场景的自动驾驶仿真环境 -
SUMO
开源交通流微观仿真器，广泛用于自动驾驶交通场景研究 -
AirSim
微软基于Unreal Engine的自动驾驶与无人机仿真平台 -
Webots
开源机器人仿真器，支持高精度车辆物理模拟 -
OpenPCDet
基于PyTorch的3D点云目标检测工具箱 -
MMDetection3D
OpenMMLab多模态3D目标检测框架 -
BEVFusion
相机+激光雷达多模态BEV融合感知实现 -
OpenOccupancy
官方Occupancy Network实现，支持3D/4D占用预测 -
PETRv2
纯视觉3D目标检测与Occupancy预测 -
QCNet
基于查询的交互式运动预测模型 -
HiVT
基于Transformer的全局交互轨迹预测模型 -
PlanT
支持语言指令与轨迹联合生成的规划模型 -
Drive-WM
基于世界模型的自动驾驶规划框架 -
WorldModel-Series
自动驾驶世界模型系列（DriveDreamer、GAIA-1等） -
Donkey Car
1:10比例小车完整开源项目 -
F1TENTH
1:10高速自动驾驶赛车平台，全球高校竞赛标准 -
JetRacer
NVIDIA官方Jetson Nano小车平台
国外
- Nvidia announces new open AI models and tools for autonomous driving research
Nvidia发布首个视觉语言动作模型Alpamayo-R1，支持自动驾驶车辆理解文本+图像，实现更精细决策。 - Safe, Routine, Ready: Autonomous driving in five new cities
Waymo在迈阿密、达拉斯、休斯顿等五城开启完全无人驾驶运营，安全表现超人类11倍。 - When will autonomous vehicles and self-driving cars hit the road?
世界经济论坛白皮书，详解个人车、Robotaxi、无人卡车三种场景的真实落地时间表。 - 2025’s cutting-edge autonomous driving trends
HERE Technologies盘点2025年ADAS、高级自动化驾驶与传感器融合最新趋势。 - Is Autonomous Driving Ever Going To Happen?
Forbes深度分析Robotaxi与L3功能进展，以及安全、法规、公众信任三大障碍。 - Self driving cars: where we really stand in 2025
2025年自动驾驶真实现状：L2系统普及、城市试点、私有车监管仍遥远。 - Autonomous Vehicle Trends: What's Next for Autonomous Driving?
L3/L4高速场景、电动化融合，预测到2045年市场规模1740亿美元。 - How AI Is Unlocking Level 4 Autonomous Driving
Nvidia分享基础模型、神经重建与安全冗余技术如何推动L4区域落地。 - CES 2025: Self-driving cars were everywhere
CES 2025自动驾驶亮点：Waymo、Zoox、Nvidia、Tier IV等全面展示，Nvidia与Uber合作推动模拟和传感器创新。 - AI Insights Improve Autonomous Vehicles' Decisions
使用SHAP等可解释AI实时分析自动驾驶决策，提升安全与信任，实时分析AV决策以提升信任和错误识别。 - Robotaxis Are Blazing the Trail for Self-Driving Cars
武汉、旧金山等城市Robotaxi快速发展，百度与Waymo预计2025年实现盈利。 - Waymo says it will ‘soon begin fully autonomous driving’ in Houston
Waymo宣布将在休斯顿启动完全无人驾驶服务，在休斯顿、达拉斯等德州城市从监督测试转向完全无人测试，预计明年向公众开放。 - Self-Driving Cars in 2025: Where We Are Right Now According to Ride AI
Ride AI大会总结：硬件、AI、法规缺一不可。 - Vehicles That Are Almost Self-Driving in 2025
2025年最接近全自动的量产车型：VW ID.4、Nissan Ariya、Mercedes Drive Pilot等，聚焦半自主功能。 - How GenAI is driving the development of vehicle autonomy
生成式AI通过合成数据与端到端系统加速L4落地。 - Autonomous Vehicles: Timeline and Roadmap Ahead (WEF 2025 PDF)
世界经济论坛2025-2035自动驾驶路线图与关键障碍分析（PDF）。 - Must-Read: Top 10 Autonomous Vehicle Trends (2025)
2025十大趋势：L3-L5扩展、AI深度集成、Nvidia Thor SoC等。 - Autonomous Vehicle Trends Taking Shape in 2025
高分辨率传感器、数据爆炸与监管加速推动更安全自动驾驶。 - 8 Autonomous Vehicle Trends in 2025
物联网、AI、车联网、ADAS与网络安全八大创新方向。 - Large Foundation Models for Trajectory Prediction in Autonomous Driving: A Comprehensive Survey
LLM/MLLM轨迹预测综述：车辆/行人多模态集成，覆盖2023-2025研究。 - A Practical-Driven Framework for Transitioning Drive-by-Wire to Autonomous Driving Systems
Chrysler Pacifica + Autoware.AI案例：传感器融合与实时挑战解决。 - A Survey on Vision-Language-Action Models for Autonomous Driving
VLA4AD模型综述（2023-2025）：多模态输入、低级控制与规划输出。 - Autonomous vehicles: The future of automobiles
AV作为高效城市车辆，汽车制造商应对实施挑战。 - China Autonomous Vehicles Market Report and Companies Analysis 2025-2033
中国AV市场：Baidu Apollo、Pony.ai Robotaxi，2025-2033增长29.01%。 - L3/L4 Autonomous Driving and Startups Research Report, 2025
L3/L4初创报告：Pony.ai 2025部署千台Robotaxi，WeRide 2026大规模商用。 - China's AV Push: BIDU, PONY & WRD Lead the Robotaxi Revolution
中国Robotaxi革命：Baidu Apollo Go 2025 Q2 220万次无人乘车，Pony.ai全球扩展。 - Global and China L3/L4 Autonomous Driving and Startups Research Report, 2025
全球/中国L3/L4报告：Waymo vs Baidu Apollo/Pony.ai，2025千台部署。 - HOW CHINA IS SHAPING THE AUTONOMOUS DRIVING INDUSTRY
中国AV塑造：2025 L3大规模生产、L4市场推出，Baidu Apollo全栈解决方案。 - Apollo Go and Pony.ai are trialling self-driving cars in Hong Kong
香港试运行：Baidu Apollo Go 10城运营，Pony.ai 2025下半年增至1000辆。 - The race begins to make the world’s best self-driving cars
中美自驾赛：Baidu Apollo Go周25万次乘车，Pony.ai硬件成本远低于Waymo。 - Chinese robotaxis race Waymo to take driverless cars global
中国Robotaxi全球赛：Baidu/WeRide/Pony.ai项目超美企，进军迪拜/新加坡/德国。 - 2025: Watershed Year for Chinese Autonomous Driving Global Expansion
中国AV全球突破：Baidu/WeRide/Pony.ai 2025中东/东南亚/欧洲三洲布局。 - Self-Driving Cars Market Size & Share, Growth Trends 2025-2034
自驾车市场：2025 1.7万亿USD，Waymo/Tesla L4/L5投资AI传感器。 - Tensor Wants to Sell You a Private, Waymo-Style Self-Driving Car
Tensor Robocar：私人Waymo式L4车，8 Nvidia Thor芯片，2025豪华定价15-20万美元。 - Top 20 Most Advanced Autonomous Driving Chips 2025
2025顶级AV芯片：Nvidia Thor 2000 TOPS，Tesla FSD HW4，市场150亿USD。 - Self-Driving Cars in the News | NVIDIA Automotive
Nvidia AV新闻：Hyundai 2025 OTA更新、Jaguar Land Rover大算力合作。 - Tesla vs Waymo - Who is closer to Level 5 Autonomous Driving?
Tesla vs Waymo：Tesla端到端算法胜，Waymo传感器栈优，2025 L5竞赛。 - Top 5 Self-Driving Car Companies in 2025
2025顶级5公司：Waymo L4 robotaxi、Tesla FSD Beta、Cruise Chevy Bolt。 - What's Next in 2025: Autonomous Driving, Batteries and Electric Vehicles
2025展望：Tesla FSD V13无人测试、AI主导、LiDAR无关。 - Autonomous Vehicles Statistics and Facts (2025)
AV统计：2025 4283亿USD，Waymo/Tesla推进，2030 5800万辆销量。 - Self-driving cars still out of reach despite years of industry promises
自驾车仍遥远：Waymo 2026底特律扩展、Tesla Austin试点；尽管承诺多年，2025年自驾车仍限于试点。 - Opinion | The Medical Case for Self-Driving Cars
Waymo发布近1亿英里无人驾驶数据分析，显示其AV严重伤亡事故率比人类低91%，呼吁推广以减少交通死亡。 - Self-Driving Taxis Are Catching On. Are You Ready?
亚马逊Zoox在旧金山推出免费Robotaxi测试，与Waymo竞争，探讨无人出租车的优缺点与公众准备度。 - Self Drive News - Self-Driving and Autonomous Vehicle News
自动驾驶最新动态：Gatik Driver入选TIME 2025最佳发明，Uber与Nvidia合作扩展L4网络。 - NVIDIA Makes the World Robotaxi-Ready With Uber Partnership
Nvidia与Uber合作DRIVE AGX Hyperion 10，推动全球L4 Robotaxi，Stellantis、Lucid加入生态。 - The State of Autonomous Driving in 2025
2025年全球自动驾驶现状报告：中国9家车企完成L3路测准备，韩国L4认证更新，美国FMVSS豁免扩展。 - Huawei to test L3/L4 autonomous driving on public roads in China first, executive says
华为将于2025年率先在中国小规模商用L3高速公路驾驶，并启动L4城市街道测试，计划2026年大规模推广。 - Xpeng to achieve L3 autonomous driving in H2 2025, CEO says in internal letter
小鹏CEO何小鹏内部信：2025下半年实现L3全场景自动驾驶，将推动AI汽车进入“iPhone 4时代”。 - He Xiaopeng: True L3-Level Autonomous Driving Will Be Launched by the End of 2025
何小鹏：2025年底推出真L3级软件与硬件冗余系统，开启L3智能车十年iPhone 4时代，向L4迈进。 - Vehicle Automatic Driving System Decade Long Trends, Analysis and Forecast 2025-2034
车辆自动驾驶系统市场报告：2025年达850亿美元，CAGR 18%至2033年，聚焦L1-L4应用与区域分布。 - ADAS and Autonomous Car Research Report 2025
ADAS与自动驾驶报告：2030年全球90.4%汽车销售将具备L1-L4功能，Mercedes和BMW率先推出L3系统。 - Level 3 Autonomous Vehicle Market Size, Share, Forecast, Report, 2030
L3自动驾驶市场预测：2025年29.1万辆，至2035年870万辆，CAGR 40.5%，Zeekr 007率先搭载L3-ready系统。 - Gasgoo Daily: Li Auto likely to realize L3 autonomous driving capabilities in 2025
理想汽车预计2025年通过端到端+VLM系统实现L3能力，DENZA D9 2025款升级智能驾驶功能。 - Autonomous Driving: Level 2+ Could Be Long-Term Middle Ground
L2+或成长期中转站：美国仅内华达/加州限L3部署，中国端到端发展加速，Ford/GM接近L3。 - The race begins to make the world’s best self-driving cars
中美自驾赛：Baidu Apollo Go周25万次乘车，Pony.ai硬件成本远低于Waymo。 - Automakers selling cars in China banned from using 'autonomous driving' in ads
中国禁止汽车制造商在广告中使用“自动驾驶”、“自驾车”等术语，旨在规范ADAS功能宣传，避免误导消费者。 - Meet The Robotaxi Doing 250,000 Rides Per Week That Isn’t Called Waymo
Apollo Go每周完成25万次无人驾驶行程，计划全球扩展，与Waymo直接竞争。 - Lyft and Baidu in Deal to Use Chinese Driverless Cars in Europe
Lyft与Baidu合作，在德国和英国部署中国组装的无人驾驶汽车，预计2026年初启动服务。 - Tesla Moves One Step Closer to Self-Driving Cars in China
Tesla在中国城市街道上启用Autopilot高级功能，支持车道变更等操作，但仍需驾驶员监督。 - China Bans “Autonomous” — So What Should Driverless-ish Cars Be Called?
中国禁止使用“自动驾驶”和“智能驾驶”等术语，呼吁更准确的ADAS描述以提升安全意识。 - Didi reportedly seeking funds for self-driving unit at $5B valuation
Didi自动驾驶部门寻求数亿美元融资，估值达50亿美元，计划2025年量产电动Robotaxi。
国内
- 2025年，盘一盘中国智驾的自动驾驶一号位都有谁？
中国智驾领军人物盘点：理想E2E+VLA、小米端到端、蔚来世界模型等2025趋势。 - 一文看懂2025智能驾驶最新情况与趋势
2025智驾格局：L4下放、L3商用元年、价格下探至15万、传感器标准化。 - 行业洞察 | 2025 年，“标配智驾” 的时代已经到来？
2025智驾标配时代：长安北斗天枢2.0、小鹏准L3、岚图华为合作。 - 2025，自动驾驶商业化将迎关键跨越之年
2025自动驾驶商业化突破：传感器提升、算法优化、法规支持。 - 2025智能化交通与自动驾驶欲往何方
2025智能交通圆桌：L3准入、城市NOA打磨、车路云一体化。 - 如何评价 CVPR 2025的中稿结果？自动驾驶又该关注哪些方向？
CVPR 2025自动驾驶论文：扩散模型截断策略、多模态轨迹规划。 - 世界模型会是L3自动驾驶的唯一解吗？2025 技术展望
世界模型+3D Occupancy：OccWorld框架预测场景演变与车辆运动。 - 2024年自动驾驶行业热点技术盘点
2024热点回顾：城市NOA、Robotaxi、端到端、纯视觉；2025新技术展望。 - 2025，自动驾驶商业化将迎关键跨越之年
2025突破：FMCW激光雷达、多传感器融合、Robotaxi千台规模。 - 中国自动驾驶行业发展趋势研究与未来前景预测报告（2025-2032年）
2025年L3爆发年，北京条例支持L3销售，渗透率预计达65%，华为、小鹏等推进0接管功能。 - 我国自动驾驶行业分析：投融资集中产业链中下游 2025年或是L3“爆发年”
2024投融资达317亿，2025 L3规模落地，小马智行北京高快速路无人测试。 - 2025智能化交通与自动驾驶欲往何方
2025智驾标配时代，L3准入启动，城市NOA覆盖百城，销量超百万辆。 - 2025 中国智能驾驶商业化发展白皮书：产业发展趋势与用户需求洞察
单车智能+车路云协同双路线，端到端架构升级，建议统一事故责任标准。 - 中国自动驾驶行业发展深度分析与投资前景预测报告（2025-2032年）
2025投融资活跃，全球市场分布预测，欧洲/中国L3/L4投资热点。 - 高阶智驾加速渗透 2025年或成商业化关键拐点
比亚迪天神之眼覆盖20万以下车型，政策发放1.6万测试牌照，推动智驾平权。 - AI大模型助力 自动驾驶渗透率将加速提升
理想/小米2025 L3目标，特斯拉FSD入华，NOA销量达500万。 - 2025年的自动驾驶技术有哪些升级？
从高速到城市NOA演进，端到端+VLA架构，成本降至5000元内。 - 自动驾驶，决定生死？
2025智驾寒武纪爆发，DeepSeek+车企合作，特斯拉FSD落地中国。 - 中国智驾战力天梯榜（2025年8月）
2025年8月智驾榜：小鹏/华为/Momenta/理想前四，VLA模型推送，特斯拉FSD逼近L4。 - 中国智驾战力天梯榜（2025年5月）
2025年5月智驾榜：小鹏蝉联第一，华为安全分领先，Momenta车位到车位场景扩展。 - 跨过百亿元智驾研发门槛，拿下L4？
端到端量产预测：2025年模块化方案上车，蔚小理/华为跨500亿门槛，数据+算力成核心。 - L3级智驾元年开启，有望成为下一个车企竞争的焦点
L3元年：比亚迪下放NOA至10-20万级，理想/蔚来/问界渗透率100%，VLA模型跃迁L4。 - L3自动驾驶盘点：技术预研、复杂风险与车企加码
北京2025条例支持L3上路，华为ADS 4.0首认证，小鹏XNGP 4.0车位到车位覆盖。 - 蔚小理的智驾，学不起
蔚小理智驾路径：小鹏18月L4目标、理想One Model端到端、蔚来NWM认知驱动，AI变革机遇。 - 新车规划全面曝光！“蔚小理华米”谁是25年最强新势力？
2025新势力新车：鸿蒙智行十款含尊界S800 L3、理想AI投入、小鹏G6/G9升级纯视觉。
- 简述点云滤波常用方法（直通滤波、体素滤波、统计滤波）及其适用场景
- 设计一种点云地面分割算法，解决复杂地形问题
- 如何提高点云目标检测精度？描述特征提取和分类器设计流程
- 实现基于KD-Tree的最近邻搜索，计算给定点的k个邻近点
- 实现车道线检测算法（使用OpenCV实现透视变换和霍夫变换）
- 如何解决雨天/雾天摄像头图像质量下降问题？设计多模态融合方案
- 在YOLO模型中，如何设计损失函数提高小目标检测精度？
- 简述BEVDet感知算法原理，包括特征提取、BEV转换和检测头设计
- 设计摄像头与激光雷达的外参标定方案，包括标定板选择和优化方法
- 在多传感器融合系统中，如何处理时间同步问题？对比硬件同步和软件同步方案
- 实现基于卡尔曼滤波的传感器数据融合，融合毫米波雷达和摄像头的目标位置信息
- 对比Dijkstra、A*、RRT*算法在自动驾驶路径规划中的优缺点和适用场景
- 设计高速公路自动换道决策算法，考虑前后车距离、速度差和安全间隙
- 实现一个轨迹规划器，生成平滑的车辆轨迹（曲率连续），满足车辆动力学约束
- 设计无保护左转决策逻辑，考虑对向来车、行人、交通信号和道路规则
- 在城市道路中，如何处理"鬼探头"（突然出现的行人）情况？设计紧急决策机制
- 实现基于强化学习的决策系统，解决复杂路口通行问题（奖励函数设计、状态表示）
- 设计车辆意图预测模型，基于历史轨迹和周围环境预测其他车辆的行驶意图
- 如何将交通规则（如让行、限速）融入决策系统？设计规则引擎
- 在多智能体场景中，如何处理其他车辆不遵守交通规则的情况？设计鲁棒决策策略
- Hybrid A* 与 Reeds-Shepp 曲线对比，在停车/窄路场景下各自优劣
- Lattice Planner 核心原理，如何生成时空格子并动态规划最优轨迹
- EM Planner 原理详解，如何把规划问题变成带约束的优化问题
- 如何设计一个曲率连续、加速度连续的轨迹？对比五次多项式、B样条、贝塞尔曲线
- 实现基于 Frenet 坐标系的轨迹规划，推导横向/纵向解耦公式
- 如何在规划中加入动态障碍物避障？对比速度障碍VO、动态窗口DWA、MPC避障
- 设计基于二次规划（QP）的实时轨迹优化器，列出所有不等式约束和等式约束
- 如何用最小化 Jerk（三阶导）生成最“舒适”的轨迹？推导代价函数
- 在高速紧急避让场景下，如何快速生成可行轨迹？对比 RRT*、Informed-RRT*、BIT*
- 如何解决非凸障碍物避障导致的局部最优问题？引入凸走廊、IRIS、优化初始化策略
- 实现一个完整的开源规划模块（输入：参考线+障碍物列表，输出：候选轨迹集合）
- 如何在规划中考虑车辆非线性动力学约束？对比线性化MPC vs 非线性MPC（Cvxgen/ACADO/IPOPT）
- 建立车辆二自由度动力学模型（自行车模型），推导状态方程和控制输入
- 在车辆转向控制中，如何处理"不足转向"和"过度转向"问题？设计补偿策略
- 推导车辆质心侧偏角、横摆角速度与方向盘转角之间的关系
- 设计基于LQR的车辆横向控制器（车道保持），包括状态选择、权重矩阵设计和离散化实现
- 实现模型预测控制(MPC)解决车辆纵向控制（跟车）问题，考虑执行器延迟和道路坡度
- 如何调整PID控制器参数以适应不同车速和道路条件？设计自适应PID策略
- 设计自动泊车控制系统，实现平行泊车和垂直泊车功能，考虑车位检测和轨迹规划
- 在高速行驶中，如何处理前轮爆胎等紧急情况？设计应急控制策略
- 实现车辆稳定性控制(ESC)，防止侧滑和甩尾，设计基于轮胎力观测的控制算法
- 简述C++四大智能指针(shared_ptr/unique_ptr/weak_ptr/auto_ptr)的区别和使用场景
- 实现线程安全的单例模式（C++11以上），考虑双重检查锁定和静态局部变量方案
- 解释RAII（资源获取即初始化）原理，在自动驾驶系统中如何应用？
- 内存对齐如何影响点云处理性能？以Eigen库矩阵为例说明
- 设计高效的障碍物轨迹数据结构，支持实时查询和更新
- 实现一个内存池，管理自动驾驶系统中频繁分配释放的小对象
- 设计自动驾驶感知系统的软件架构，考虑多线程、数据流水线和错误处理
- 如何设计模块化系统，实现感知、决策、控制模块间的低耦合高内聚？
- 在嵌入式平台（如Jetson AGX）上部署深度学习模型，需要做哪些优化？
- 解释RTOS（实时操作系统）与普通操作系统的区别，在自动驾驶中为何重要？
- 设计多级中断系统，确保关键任务（如制动控制）的实时性，使用Cortex-M的NVIC优先级分组
- 在多核RTOS中，如何实现任务间通信和同步？对比邮箱、信号量和消息队列方案
- 描述CAN总线帧结构，对比标准帧和扩展帧的区别和适用场景
- 实现CAN总线通信协议，包括ID分配、仲裁机制和错误处理
- 设计基于UDS(统一诊断服务)的车载系统诊断方案，实现故障码读取和清除
- 编写GPIO控制程序，实现车辆灯光、雨刷等外设的控制
- 设计ADC采样程序，读取车辆传感器（如胎压、油温）数据，考虑抗干扰和精度优化
- 在嵌入式系统中，如何处理电源管理？设计低功耗模式和唤醒机制
- 简述ORB-SLAM2/3系统的工作流程，包括特征提取、跟踪、局部建图和回环检测
- 如何解决视觉SLAM中的尺度漂移问题？对比单目、双目和RGB-D方案
- 在动态场景中，如何检测和剔除运动物体？设计基于光流和语义分割的方法
- 实现LOAM或Lego-LOAM算法的关键点云处理部分，包括特征提取和匹配
- 在激光SLAM中，如何处理点云畸变（如车辆运动引起的）？设计运动补偿方案
- 对比LiDAR-SLAM和视觉-SLAM的优缺点，在自动驾驶中如何融合两者？
- 设计视觉+IMU+RTK+激光雷达的融合定位系统，包括时间同步和外参标定
- 实现基于EKF/UKF的多传感器融合定位，融合GPS、IMU和轮速计数据
- 在城市峡谷和隧道等GPS信号丢失场景，如何保证定位精度？设计辅助定位方案
- 设计基于激光雷达点云的高精地图构建流程，包括点云配准、特征提取和地图元素生成
- 如何评估高精地图质量？设计精度、完整性和一致性的评估指标
- 在地图构建中，如何处理动态障碍物（如行驶中的车辆）？设计动态物体过滤和补全方案
- 设计高效的车道级地图数据结构，支持快速查询和更新
- 如何实现高精地图的增量更新？设计差异检测和传输方案，减少带宽消耗
- 在嵌入式设备上，如何优化地图存储和检索？设计分层索引和缓存机制
- 描述高精地图在自动驾驶中的应用场景，如定位、路径规划和决策
- 如何将交通规则（如禁止左转、限速）编码到高精地图中？设计地图语义表示
- 在自动驾驶系统中，如何实现地图与车辆位置的快速匹配（定位）？设计高效搜索算法
- 设计L4级自动驾驶系统的测试用例库，覆盖感知、决策和控制功能
- 如何测试自动驾驶系统在极端天气（暴雨、浓雾、冰雪）下的性能？设计测试场景
- 实现基于场景的测试(Scenario-Based Testing)，测试自动驾驶系统的决策逻辑
- 对比自动驾驶测试中的V（验证）和V（确认）流程，说明各自的目的和方法
- 设计自动驾驶系统的安全测试方案，验证系统在故障情况下的安全降级机制
- 在HIL（硬件在环）测试中，如何模拟传感器和执行器？设计测试平台
- 设计自动驾驶测试的风险矩阵，识别高风险场景并制定测试策略
- 在实车测试中，如何收集和分析数据以优化算法？设计数据采集和分析流程
- 针对自动驾驶系统的"长尾问题"（罕见但危险的场景），如何设计测试用例？
- 设计模型量化方案（FP32→FP16→INT8），在保持精度的同时提高推理速度
- 实现模型剪枝，去除冗余参数，减少模型大小，设计剪枝标准和微调策略
- 在模型蒸馏中，如何设计教师模型和学生模型？如何选择蒸馏损失函数？
- 针对自动驾驶感知模型，设计模型并行和数据并行方案，提高多卡推理效率
- 实现ONNX模型到TensorRT的转换和优化，配置合适的工作空间和精度模式
- 在嵌入式平台上，如何优化模型推理性能？对比GPU、NPU和CPU方案
- 设计自动驾驶模型服务架构，支持高并发和低延迟推理
- 在端到端系统中，如何优化数据预处理和后处理流程，减少整体延迟？
- 实现模型的热更新，在不重启服务的情况下更新模型，确保服务连续性
- 进程和线程的核心区别是什么？实际开发中如何选择？
- 进程间通信(IPC)方式有哪些？各自优缺点和适用场景？
- 虚拟内存的工作原理是什么？为什么需要虚拟内存？
- 什么是死锁？产生死锁的四个必要条件是什么？如何避免死锁？
- 用户态和内核态的区别是什么？如何切换？
- OSI七层模型和TCP/IP四层模型的区别和对应关系？
- TCP三次握手的过程是怎样的？为什么需要三次握手？
- TCP如何保证数据的可靠传输？有哪些机制？
- HTTP和HTTPS的区别？HTTPS的工作原理？
- 从输入URL到页面展示的完整过程？
- 冯·诺依曼体系结构的核心思想是什么？
- CPU的组成和工作原理？
- Cache的工作原理？Cache命中率和失效类型？
- 内存对齐的作用？如何影响程序性能？
- DMA技术的原理和作用？为什么能提高IO性能？
- TCP和UDP的区别和适用场景？
- 常见的页面置换算法有哪些？LRU为什么常用？
- HTTP常见状态码及其含义？
- 什么是临界资源和临界区？如何解决临界区问题？
- 总线的分类和作用？数据总线、地址总线、控制总线的区别？
以下公司正在招聘自动驾驶岗位（更新时间：2025.12.06）
- 小米集团 - 投递链接：https://hr.xiaomi.com/campus
- 元戎启行 - 投递链接：https://app.mokahr.com/campus-recruitment/deeproute/145894#/home
- 零跑汽车 - 投递链接：https://leapmotor.zhiye.com/campus
- 地平线 - 投递链接：https://wecruit.hotjob.cn/SU6409ef49bef57c635fd390a6/pb/school.html
- 小马智行 - 投递链接：https://campus.pony.ai/
- 小鹏汽车 - 投递链接：https://xiaopeng.jobs.feishu.cn/campus
- 百度 - 投递链接：https://talent.baidu.com/jobs/
- 比亚迪 - 投递链接：https://job.byd.com
- 轻舟智航 - 投递链接：https://www.qcraft.ai/careers
- 蔚来汽车 - 投递链接：https://nio.jobs.feishu.cn/campus
- 佑驾创新 - 投递链接：https://www.minieye.cc
- 禾赛科技 - 投递链接：https://kwh0jtf778.jobs.feishu.cn/229043
- 经纬恒润 - 投递链接：http://zhaopin.hirain.com
- 柳工 - 投递链接：https://liugong.hotjob.cn/
- 德赛西威 - 投递链接：https://yesv-desaysv.jobs.feishu.cn/index
- 主线科技 - 投递链接：https://app.mokahr.com/social-recruitment/trunk/39504#/
- Momenta - 投递链接：https://momenta.jobs.feishu.cn/talent
- 鉴智机器人 - 投递链接：https://phigentai.jobs.feishu.cn/index
- 奇瑞汽车- 投递链接： https://chery1.zhiye.com/
- 长安汽车- 投递链接：https://changan.zhiye.com/
- 北汽福田- 投递链接：https://futurefoton.zhiye.com/
- 英伟达- 投递链接： https://nvidia.eightfold.ai/careers
- 友道智途- 投递链接：http://www.utopilot.ai/joinus/list-5.html
- 中科创达 - 投递链接：https://www.thundersoft.com/join-us/
- 奔驰- 投递链接：https://career.mercedes-benz.com.cn/recruiting/company/13746/job-list?aj_source=career_website&aj_code=career_website_pc
- 宝马 - 投递链接：https://www.bmwgroup.jobs/cn/en.html
- 滴滴 - 投递链接： https://talent.didiglobal.com/social/list/1
非常感谢你对本仓库感兴趣！
这个仓库的目标是收集全球最优秀的 C++ 自动驾驶相关资源，成为 C++ 开发者进入自动驾驶领域的第一站。
无论你是想补充开源项目、修复错误链接、改进分类、添加说明，还是翻译成其他语言，你的每一次贡献都让社区更强大！