1樓：大橘一腚
首先對於你這個專業，不觸及汽車底層控制演算法這類的知識，如線控技術，底層控制演算法，都是由汽車廠商改好的，你這邊的專業領域演算法及控制決策技術頗多，基於計算機視覺的無人駕駛感知系統是你這邊必備的技能，如視覺里程計（對極幾何、PnP、ICP），然後由感知系統再向融合、決策偏移、（控制除外、汽車底層埠開放）三個體系中建立學習，然後再決定在哪個方向定位。
對極幾何
2樓：金禕
幾種方式吧：
蹭別人的車：學校裡有現成裝好感測器的自動駕駛車的實驗室或個人，聯絡下去打工。
自己搞個車：比如阿波羅開發套件（更低門檻、更強能力！「軟硬體+雲」的 Apollo 開發套件3.0來了）
不用車：可以看下這篇：Autonomous Driving with Deep Learning- A Survey of State-of-Art Technologies（https:
//arxiv.org/pdf/2006.0609
1.pdf
）選擇文中介紹過的某個自動駕駛涉及的子任務去做就行了，文末有一些開源資料集的整理，可以直接用來做
3樓：十八說電商那點事
首先是感知。通過車輛上裝的感測器，了解車輛周邊、車輛自身以及車輛在地球上所處的位置等資訊。收集資訊之後進行決策，比如汽車前面有乙個人，我應該向右邊轉15度，可以完美避開他。
接著是控制，通過控制對車輛進行操控。另乙個是實時車況，我們改造一輛車，當車子存在時，已經有了各種各樣的感測器。通過這些已有的感測器把車上的所有資料實時採集下來用於決策，這也是感知部分需要特別注意的地方。
對於汽車的控制，我總結出四點：一是控制的精度，二是響應速度，三是控制策略，四是車況反饋。無人駕駛車輛的平台特點總結：
無人駕駛的感知技術公司，提供雷達、攝像頭感測器，將資訊傳到無人駕駛的演算法公司提供的決策單元，在特有的高效能處理單元當中，告訴汽車此時此刻應該幹什麼。然後，把決策結果告訴我們的無人駕駛開發平台上的控制模組，由控制模組負責整車所有零部件的實時排程和反饋，這樣對於無人駕駛的演算法公司來說，只需要專注實現他們的演算法就可以，也可以在我們提供的標準開發平台上對各種無人駕駛演算法公司的產品進行比較，這是很優的做法。
4樓：列兵一號
寫畢設？？可以嘗試乙個利用英偉達Jetson Nano平台來實現，成本2000左右，照著demo做一遍，入門，本科畢設問題問題不大
車聯網方向和無人駕駛之間的區別大嗎？
Jackie 陳輝 車聯網是車 路 雲的協同組成的網路智慧型化的汽車場景。是為了讓汽車更加方便智慧型，而無人駕駛是讓機器來駕駛汽車。讓人類脫離駕駛，他們的意義不一樣。從未來趨勢來看，車聯網從19年開始大量的政策落地。5G的發展也給車聯網帶來了前所未有的發展機會，可以做未來5年是車聯網加快走進社會的階...
未來，無人駕駛車的普及會給社會帶來哪些重大變革？
亦雲 每一項新技術的推出，都是發達國家套在落後國家脖子上的一根繩索，都是經濟侵略的乙個平台。科技越發達，落後國家對發達國家的依賴越強。在科技發展的潮流裡，落後國家就是發達國家的經濟奴隸。不做經濟奴隸只有兩條路 一是自己強大公升級為奴隸主，二是萬眾一心抵制洋貨。 肖震宇 郊區的房子可以漲一波了，無人駕...
無人駕駛是不是偽命題？
不知道怎麼會問出這個問題。駕駛，從來就沒有規定說一定需要人駕駛啊，只是在機器不具備自我駕駛能力的時候，人給機器提供決策能力，隨著機器的決策能力逐步健全，人在駕駛決策維度的必要性就逐漸變得沒那麼重要。只不過，不同的駕駛環境，對決策能力的要求不一樣，越複雜的環境，對決策能力要求越高，反之越低。無人駕駛，...