自动驾驶决策规划-控制方向学习资料总结（附相关资料的链接）

项目仓库

欢迎访问我的Github主页

项目名称	说明
chhCpp	学习C++仓库
chhRobotics	学习自动驾驶、控制理论相关仓库(python实现)
chhRobotics_CPP	学习自动驾驶、控制理论相关仓库(c++实现)
chhML 、chh-MachineLearning	学习机器学习仓库
chhRL	学习强化学习仓库
chhTricks	存放一些有意思的tricks

书籍资料

学习过程中收集到的书籍资料。

总的学习路线思维导图

由于博客中无法直接放PDF，所以思维导图的格式都是图片，点击不了里面的链接，因此我将思维导图pdf版放在了GitHub仓库，有需要的自取。

1. 编程

编程部分我主要聚焦于C++、python、数据结构与算法。

• python的入门较为简单，因此可以采取即用即学的策略学习。
• c++语法学习可以跟着黑马程序员的视频学，讲得蛮清楚的，就是不够深入，深入还是得自己看书才行。
• 学习完基础语法后，便可以借助力扣或者牛客网刷题了，这里建议跟着labuladong或者代码随想录来进行针对性地刷题。这两者刷完后，再借助力扣随机刷题或者按照顺序刷题。
• 数据结构与算法的学习个人觉得跟着代码随想录或者labuladong的刷题就行，边刷边学，对于不理解的可以再上网查资料。

另外，书籍的选择上，c++系列建议以下面的顺序由浅入深来学习：

1. C++基础阶段:《C++ Primer Plus》第六版
2. C++进阶巩固:《C++ Primer 》第五版
3. C++精通阶段:《Effective C++》、《More Effective C++》以及《Effective Modern C++》。
4. C++应用阶段：就在github上找项目练手吧。

另外，这篇文章也给出了更详细的C++学习路线，可根据自身情况酌情选择。

对于C++的学习，一般做项目后都绕不开CMake的使用，CMake的教程可以参考这位博主的文章以及这个资料。

2. 机器学习

机器学习模块首先需要掌握机器学习和深度学习的基础知识，会搭建神经网络（pytorch/tensorflow）；
进一步地，就是根据自身来选择方向了，比如CV，RL等。
我自己的话因为研究方向涉及RL，所以需要掌握强化学习的基础知识和理论，会应用强化学习解决工程项目。

下面是我学习过程中总结的思维导图：

3. 自动驾驶

自动驾驶包括了感知、定位、决策规划、控制等几大块。我主要聚焦于决策规划和控制。下面是我学习过程中的总结的一些资料。

4. 额外的辅助技能（工具）

vim、docker、git等的掌握。

• git就不必说了，必须掌握的技能。

  git的学习可以参考：https://github.com/pcottle/learnGitBranching

  git常见问题的解决方案可以访问我的GitHub project.

• docker的学习，许多项目都会用到docker，因此有时间需要学一学，中文教程参考：https://yeasy.gitbook.io/docker_practice/。

• vim在熟练使用之后可以让你编程效率提高，事半功倍，但是前期的转换挺痛苦。

  vim的学习可以参考：https://vimschool.netlify.app/basics/以及https://www.openvim.com/sandbox.html。

  vim工具的使用不是必须的，有时间的话可以学学，技多不压身。附一张vim的使用键盘图。
  

任何的工具的使用都是为了能够更加方便地做事！