想要進(jìn)入自動(dòng)駕駛這個(gè)領(lǐng)域，便首先去調(diào)查了下這個(gè)領(lǐng)域的崗位，希冀能從中找出自己最感興趣且匹配度也比較高的方向。廢話不多說，見下。

下圖為自動(dòng)駕駛方向的所有崗位，總量的來說，方向可以分為三大類：
算法
仿真
測(cè)試


以下針對(duì)上述所有方向，展開進(jìn)行介紹。

自動(dòng)駕駛算法類方向

1.1、自動(dòng)駕駛SLAM算法工程師

首先解釋一下這個(gè)方向是干什么的，SLAM英文全名叫simultaneous localization and mapping，中文名叫同步定位與建圖?？梢钥匆幌孪旅娴陌俣劝倏频慕忉尅?br />
“即時(shí)定位與地圖構(gòu)建，或并發(fā)建圖與定位。問題可以描述為：將一個(gè)機(jī)器人放入未知環(huán)境中的未知位置，是否有辦法讓機(jī)器人一邊移動(dòng)一邊逐步描繪出此環(huán)境完全的地圖，所謂完全的地圖（a consistent map）是指不受障礙行進(jìn)到房間可進(jìn)入的每個(gè)角落。”

SLAM算法屬于【感知—規(guī)劃—控制】中的感知類算法。該算法主要用于自動(dòng)駕駛車輛的根據(jù)點(diǎn)云數(shù)據(jù)對(duì)車輛周圍環(huán)境的地圖構(gòu)建。而其中的點(diǎn)云數(shù)據(jù)是由兩種傳感器來進(jìn)行采集的，即激光雷達(dá)和攝像頭，所以SLAM算法其實(shí)又分了兩大方向：視覺SLAM算法（VSLAM）和激光SLAM算法(Lidar SLAM)。

所以又細(xì)分了下面的兩個(gè)崗位。

1.1.1、激光SLAM算法工程師

關(guān)于激光SLAM的效果，可以看下面的視頻，激光SLAM的傳感器即為激光雷達(dá)，視頻中花花綠綠的就是激光雷達(dá)的點(diǎn)云數(shù)據(jù)了，然后對(duì)周圍環(huán)境進(jìn)行地圖構(gòu)建：

激光SLAM所需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：使用 c、c++、matlab 一種或多種語(yǔ)言；
理論：需要學(xué)習(xí)很多濾波算法,如：ESKF、EKF、UKF 等。同時(shí)需要學(xué)習(xí) G2O、ceres 等用來優(yōu)化非線性誤差函數(shù)的 c++框架。

1.1.2、視覺SLAM算法工程師

關(guān)于視覺SLAM的效果，可以看下面的視頻。視覺SLAM中的傳感器即為攝像頭，攝像頭如果使用深度相機(jī)，可以直接獲取障礙物的距離，生成點(diǎn)云數(shù)據(jù)。當(dāng)然也有用單目、雙目、魚眼攝像機(jī)的視覺SLAM ，這些攝像頭需要用其他的方法才能間接地獲取周圍障礙物的距離。

視覺SLAM所需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：c、c++
理論：學(xué)習(xí)常用的 vSLAM 算法，如 ORB-SLAM、SVO、DSO、MonoSLAM，VINS 以及 RGB-D 等；ROS 機(jī)器人操作系統(tǒng)；還需要學(xué)習(xí)很多濾波算法，如：ESKF、EKF、UKF 等。同時(shí)需要學(xué)習(xí) G2O、ceres 等用來優(yōu)化非線性誤差函數(shù)的 c++框架。

目前激光 SLAM 是比較成熟的定位導(dǎo)航方案，但其傳感器價(jià)格昂貴。汽車是一個(gè)大量生產(chǎn)的東西，如果成本降不下來，其也會(huì)有很大的阻力。目前特斯拉等公司已經(jīng)放棄了激光雷達(dá)的方案，采用純視覺的自動(dòng)駕駛方案。

在實(shí)際的自動(dòng)駕駛車輛上，SLAM 其實(shí)是需要多個(gè)傳感器進(jìn)行融合的，取長(zhǎng)補(bǔ)短，比如GPS、IMU（慣性導(dǎo)航）等傳感器融合的方案，所以自動(dòng)駕駛算法方向又出現(xiàn)了下面的一個(gè)新的崗位。

1.1.3、多傳感器融合算法工程師

看一下該方向的行業(yè)要求：

掌握攝像頭、毫米波雷達(dá)、激光雷達(dá)、慣性導(dǎo)航等相關(guān)數(shù)據(jù)解析融合算法；熟悉感知融合算法發(fā)展趨勢(shì)，有神經(jīng)網(wǎng)絡(luò)等人工智能開發(fā)背景者優(yōu)先。（來源：華為技術(shù)有限公司招聘信息）。

很明顯，數(shù)據(jù)融合要求更高，既包括前面激光SLAM和視覺SLAM，同時(shí)還需要掌握其他傳感器的用法，所以這個(gè)方向難度不小，所涉及的知識(shí)非常多。

1.2、自動(dòng)駕駛決策算法工程師

自動(dòng)駕駛的決策是指如何根據(jù)感知模塊傳遞的信息，如何決策汽車的行為達(dá)到駕駛的目標(biāo)。例如，汽車加速、減速、左轉(zhuǎn)、右轉(zhuǎn)、換道、超車都是決策模塊的輸出。同時(shí)，決策還需要考慮到汽車的安全性和舒適性，需要保證盡快到達(dá)目標(biāo)地點(diǎn)，更需要在旁邊的車輛惡意干擾的情況下保證乘客的安全。

決策算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：c/c++/python
理論：學(xué)習(xí)常用的決策算法，如決策狀態(tài)機(jī)、決策樹、馬爾可夫決策過程等；如果往深里學(xué)的話，還需要學(xué)習(xí)深度學(xué)習(xí)，學(xué)習(xí)深度學(xué)習(xí)框架等。

其實(shí)決策和規(guī)劃是經(jīng)常要一起做的，我們繼續(xù)往下看，看看規(guī)劃方向的知識(shí)要求。

1.3、自動(dòng)駕駛規(guī)劃算法工程師

規(guī)劃包括路徑規(guī)劃和速度規(guī)劃，一般都是做路徑規(guī)劃的比較多，即自動(dòng)駕駛路徑規(guī)劃工程師。

規(guī)劃算法中，自動(dòng)駕駛車輛首先通過路徑規(guī)劃確定車輛可行駛的路徑，然后選擇該路徑確定可行駛的速度，路徑規(guī)劃視頻視頻如下。

路徑規(guī)劃算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：c/c++/python
理論：學(xué)習(xí)常見路徑規(guī)劃算法，例如 A、D、RRT 等；如果往深里學(xué)的話；學(xué)習(xí)軌跡預(yù)測(cè)算法，如 MDP、POMDP、Came Theory 等；學(xué)習(xí)機(jī)器人操作系統(tǒng)（ROS）；學(xué)習(xí)深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)技術(shù)也是加分項(xiàng)，例如 RNN、LSTM、Deep Q-Learning 等。

前面提到?jīng)Q策和規(guī)劃其實(shí)要經(jīng)常一起做的，所以經(jīng)常會(huì)出現(xiàn)兩者結(jié)合的方向。

1.4、自動(dòng)駕駛決策規(guī)劃算法工程師

看一下該方向的行業(yè)要求：

在上述熟悉如MDP、POMDP、Game Theory等軌跡預(yù)測(cè)算法；熟悉常見路徑規(guī)劃算法，例如A*、D*、RRT等；具備Linux環(huán)境下的C++開發(fā)；熟悉ROS開發(fā)環(huán)境；參加過機(jī)器人領(lǐng)域相關(guān)研發(fā)及競(jìng)賽；熟練掌握CarSim、CarMaker等汽車仿真軟件使用方法；有較強(qiáng)數(shù)學(xué)理論基礎(chǔ)和背景。（來源：百度自動(dòng)駕駛部招聘信息）。

1.5、自動(dòng)駕駛控制算法工程師

控制算法方向偏向于傳統(tǒng)方向，一般是對(duì)車輛橫縱向動(dòng)力學(xué)建模，然后開發(fā)控制算法，實(shí)現(xiàn)車輛運(yùn)動(dòng)控制等。

控制算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Windows
編程：C/C++、Matlab/Simulink
理論：學(xué)習(xí)自動(dòng)控制理論基礎(chǔ)；學(xué)習(xí)車輛動(dòng)力學(xué)模型；學(xué)習(xí) CarSim 等仿真軟件；學(xué)習(xí) ACC、AEB、APA、LKA、LCC 等輔助駕駛功能開發(fā)的是加分項(xiàng)。

實(shí)際的工作中，有的時(shí)候規(guī)劃和控制其實(shí)不是強(qiáng)制分開的，而是相互結(jié)合，所以也會(huì)見到這樣的方向：自動(dòng)駕駛控制規(guī)劃算法工程師。

1.7、自動(dòng)駕駛感知算法工程師

自動(dòng)駕駛感知部分是自動(dòng)駕駛目前最有挑戰(zhàn)的部分，其目前的崗位包括：機(jī)器學(xué)習(xí)算法工程師、計(jì)算機(jī)視覺算法工程師和自然語(yǔ)言處理算法工程師。（這三個(gè)方向也屬于人工智能的三大方向。）

在自動(dòng)駕駛車輛中，主要包括：車道線檢測(cè)、車輛等障礙物檢測(cè)、可行駛區(qū)域檢測(cè)、紅綠燈等交通信息檢測(cè)、車內(nèi)語(yǔ)音識(shí)別等等，前面講的SLAM算法其實(shí)也可以屬于感知部分。

1.7.1、機(jī)器學(xué)習(xí)算法工程師

該方向主要負(fù)責(zé)車輛行駛過程中產(chǎn)生的數(shù)據(jù)在工程上的應(yīng)用，偏向于數(shù)據(jù)分析方向，如車輛行駛里程的影響分析、大數(shù)據(jù)分析建模等等。

機(jī)器學(xué)習(xí)算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Windows、Linux
編程：Python（主要） 、C/C++、
理論：學(xué)習(xí)機(jī)器學(xué)習(xí)的基礎(chǔ)理論算法，如 LR、GBDT、SVM、DNN 等等；學(xué)習(xí) scikit-learn 等傳統(tǒng)機(jī)器學(xué)習(xí)框架的模型訓(xùn)練；熟悉 PyTorch、TensorFlow 等深度學(xué)習(xí)框架（偏神經(jīng)網(wǎng)絡(luò)部分）等等。

1.7.2、計(jì)算機(jī)視覺算法工程師

該方向主要基于攝像頭傳感器，主要包括：車道線檢測(cè)、車輛等障礙物檢測(cè)、可行駛區(qū)域檢測(cè)、紅綠燈等交通信息檢測(cè)等等。如下所示。

視覺算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：C/C++，Python，opencv
理論：需要機(jī)器學(xué)習(xí)的基本算法 ( 降維、分類、回歸等 )；需要學(xué)習(xí)深度學(xué)習(xí)，深度學(xué)習(xí)框架；學(xué)習(xí)計(jì)算機(jī)視覺和圖像處理的常用方法 ( 物體檢測(cè)、跟蹤、分割、分類識(shí)別等 ) 。

1.7.3、自然語(yǔ)言處理算法工程師

該方向主要負(fù)責(zé)車載場(chǎng)景下的語(yǔ)音識(shí)別，語(yǔ)音交互設(shè)計(jì)等等。最廣泛的應(yīng)用目前還在手機(jī)端，相信“小艾，小艾，播放一首音樂。”這類對(duì)話，你一定不陌生。

語(yǔ)音算法需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：C/C++，Python，opencv
理論：需要機(jī)器學(xué)習(xí)的基本算法 ( 降維、分類、回歸等 )；需要學(xué)習(xí)深度學(xué)習(xí)，深度學(xué)習(xí)框架；學(xué)習(xí)計(jì)算機(jī)視覺和圖像處理的常用方法 ( 物體檢測(cè)、跟蹤、分割、分類識(shí)別等 ) 。

自動(dòng)駕駛仿真工程師

該方向需要參與自動(dòng)駕駛相關(guān)仿真系統(tǒng)的搭建，包括車輛動(dòng)力學(xué)相關(guān)仿真，各類虛擬傳感器模型和虛擬場(chǎng)景的建模與仿真，根據(jù)測(cè)試案例搭建測(cè)試場(chǎng)景，執(zhí)行自動(dòng)駕駛算法仿真測(cè)試等等。

仿真方向需要學(xué)習(xí)的知識(shí)：
操作系統(tǒng)：Linux
編程：MATLAB/simulink、Python/C++
理論知識(shí)：熟練操作一種常用車輛動(dòng)力學(xué)或無人車相關(guān)仿真軟件，比如 Perscan、Carsim、Carmaker 等。熟悉機(jī)器人操作系統(tǒng) ROS 等。有的仿真崗位純屬于做仿真，但有的崗位需要做仿真環(huán)境的開發(fā)，這樣的崗位對(duì)編程要求會(huì)更高一些。

自動(dòng)駕駛測(cè)試方向

該方向主要負(fù)責(zé)自動(dòng)駕駛車輛的相關(guān)測(cè)試工作，測(cè)試自動(dòng)駕駛系統(tǒng)功能各項(xiàng)指標(biāo)的性能，評(píng)估其邊界條件和失效模式。根據(jù)研發(fā)人員對(duì)數(shù)據(jù)的需求，制作采集文檔，完成數(shù)據(jù)采集等操作。其中包括軟件、硬件等測(cè)試，也需要熟悉如Linux編程測(cè)試環(huán)境等等。