在Apollo 3.0發布的同時，我們面向更多對自動駕駛感興趣的開發者免費開放了“Udacity X Apollo自動駕駛入門課程”，幫助小白開發者快速入門自動駕駛，不知道開發者現在學習的怎么樣了呢？

本次課程從自動駕駛核心技術模塊出發，講解高精地圖、定位、感知、預測、規劃、控制等模塊知識，幫助零基礎學員了解無人駕駛的基本原理與整體框架，初步掌握并運用 Apollo 自動駕駛開放平臺所使用的自動駕駛算法。

這里我們將整理每門課程的主要內容為準備開始學習Apollo的小伙伴提供學習方向。

第一課，無人駕駛概覽

本節課從無人車的運作方式、Apollo開放平臺架構、參考車輛與硬件平臺、開源軟件架構、云服務等方面，帶大家全面了解Apollo及無人駕駛，開啟無人駕駛入門的學習路徑。

1

全面了解自動駕駛主要模塊

Apollo技術框架由四個層面組成，參考車輛平臺、參考硬件平臺、開源軟件平臺、云服務平臺。其中主要模塊包括高精度地圖、定位、感知、預測、規劃、控制等模塊，后續的課程也將圍繞這些模塊展開。

在高精地圖課程中我們將為大家介紹無人車的核心模塊，高精地圖幾乎支持著軟件棧的所有其他模塊，尤其是定位、感知、規劃和決策。

在定位課程中，我們將討論車輛如何確認所在位置。車輛利用激光和雷達數據將這些傳感器感知內容與高分辨率地圖進行對比，這種對比使車輛能夠以個位數厘米級精度進行定位。

感知課程將帶大家了解無人駕駛車如何感知這個世界，深度學習是一個重要且強有力的感知工具，卷積神經網絡構成深度學習分支，對感知任務至關重要，如分類、檢測和分割。

預測課程將概述幾種不同的方式，用于預測其他車輛或行人可能如何移動一種方法稱為遞歸神經網絡，可對其他物體隨時間的運動進行跟蹤，并使用該時間序列數據預測未來。

進階拓展閱讀學習：《無人駕駛行業及Apollo的Overview》

2

了解無人車的運作方式

無人駕駛車包括五個核心部件，計算機視覺、傳感器融合、定位、路徑規劃、控制。

無人駕駛車的工作原理

我們使用計算機視覺和傳感器融合，獲取一幅關于我們在世界上的位置的豐富畫面，使用定位確定我們在這個世界的精確位置，然后使用路徑規劃來繪制一條通過這個世界到達目的地的路徑，通過控制轉動方向盤、打開油門、然后踩制動器，沿著該軌跡行駛并最終移動車輛。從本質上講，其他一切無人車都是這些核心功能更復雜的實現。

3

開放式軟件棧

Apollo開放式軟件層分為三個子層，實時操作系統、運行時框架、應用程序模塊層。

實時操作系統（RTOS），可確保在給定時間內完成特定任務，“實時”是指無人車的操作系統，能夠及時進行計算，分析并執行相應的操作，是在車輛傳感器收集到外界數據后的短時間內完成的。實時性能是確保系統穩定性和駕駛安全性的重要要求。

Apollo RTOS是Ubuntu Linux操作系統與Apollo內核相互結合的成果。原始Ubuntu系統并非實時操作系統，通過加入Apollo設計的內核，我們可以使其成為一個RTOS。

運行時框架是Apollo的操作環境，是ROS的定制版即機器人操作系統。為了使ROS適應無人車，Apollo團隊改進了共享內存的功能和性能、去中心化和數據兼容性。

核心內容——應用程序模塊：

Apollo軟件平臺具有各種模塊，這些模塊包括 MAP引擎、定位、感知、規劃、控制、端到端駕駛以及人機接口（HMI）。每個模塊都有自己的算法庫，之間的關系也非常復雜，我們將在整個課程中對這些模塊及其關聯方式進行研究。