Awesome Autonomous Vehicles:

精选无人能驾驶资源列表，修改自takeitallsource/awesome-autonomous-vehicles 🔥.

除此之外，将继续跟随最新资源，大家多多关注~~~

贡献

希望大家自由给列表进行pull request~~

Table of Contents

• 基础
• 课程
• 研究实验室
• 数据集
• 开源软件
• 硬件
• 小游戏
• 公司
• 媒体
• 法规

基础

人工智能|Artificial Intelligence

• GitHub: Awesome Machine Learning ⭐38.8K - 机器学习框架、库和软件的精选列表。 由Joseph Misiti.Joseph Misiti维护
• GitHub: Deep Learning Papers Reading Roadmap ⭐22.2K - 深度学习论文阅读路线图从大纲到细节构建，从最新到最先进，从通用到特定领域，重点关注从深度学习开始的SOTA技术。 由Flood Sung维护。
• Web: Open Source Deep Learning Curriculum - 深度学习课程旨在成为每个有兴趣认真学习该领域的人的起点。

机器人学|Robotics

• GitHub: Awesome Robotics ⭐1.19K - 由kiloreux维护的机器人技术的各种书籍，课程和其他资源的列表。

计算机视觉|Computer Vision

• Awesome Computer Vision ⭐ 9.7K (4年前更新)- 计算机视觉资源精选清单
• Awesome Deep Vision ⭐7.9K(2年前更新) - 计算机视觉深度学习资源的精选清单

课程|Course

• [优达学成] Self-Driving Car Nanodegree Program - 教学自动驾驶团队使用的技能和技巧。 可以在这里找到课程大纲 .
• [多伦多大学] CSC2541 Visual Perception for Autonomous Driving - 自动驾驶视觉感知研究生课程。 本课程简要介绍了定位，自我运动估计，自由空间估计，视觉识别（分类，检测，分割）等主题。
• [INRIA] Mobile Robots and Autonomous Vehicles - 介绍了对移动机器人和自动驾驶汽车进行编程所需的关键概念。 该课程提供了算法工具，并针对其上周的主题（行为建模和学习），它还将提供Python中的实际示例和编程练习。
• [格拉斯哥大学] ENG5017 Autonomous Vehicle Guidance Systems - 介绍自动驾驶仪指导和协调背后的概念，使学生能够设计和实施规划、优化和反应的车辆的指导策略。
• [David Silver - 优达学城] How to Land An Autonomous Vehicle Job: Coursework - 来自Udacity的David Silver回顾了他在软件工程背景下从事自动驾驶汽车工作的课程。
• [斯坦福] - CS221 Artificial Intelligence: Principles and Techniques - 包含一个简单的自动驾驶项目以及模拟器。
• [MIT] 6.S094: Deep Learning for Self-Driving Cars - 通过构建自动驾驶汽车的应用主题介绍深度学习的实践。
• [MIT] 2.166 Duckietown - 关于研究生水平的自动化科学课程。 这是一个实践性的，以项目为中心的课程，侧重于自动驾驶车辆和高级自动化。 问题：为Duckietown（小鸭城）设计自动机器人出租车系统。

研究实验室

高校

国外高校（不分先后）

美国

• 斯坦福大学|Stanford University
  • Center for Automotive Research at Stanford - 目前的研究领域侧重于以人为中心的流动性主题，例如了解人们如何与日益自动化的车辆互动，车辆自动化从政策到伦理到法律的社会影响，传感，决策和控制方面的技术进步。
  • SAIL-TOYOTA Center for AI Research at Stanford - 该中心的主题是以人为本的人工智能，用于未来的智能车辆及其他。
  • ASL:Autonomous System lab
  • SISL
• 卡内基梅陇大学|Carnegie Mellon University
  • CMU The Robotic Institute Vision and Autonomous Systems Center (VASC) - - 从事计算机视觉，自主导航，虚拟现实，智能操纵，空间机器人和相关领域的工作。
  • The Robotics Institute:Navlab
• 麻省理工学院|MIT
  • CSAIL
    • Toyota-CSAIL Research Center at MIT - 旨在进一步发展自动驾驶汽车技术，目标是减少交通伤亡，甚至可能开发无法发生事故的车辆。
    • [LIS：Learning and Intelligent System]
    • [Robust Robotics Group]
    • [Interactive Robotics Group]
  • LIDS
    • [Aerospace Control Lab]
• 波斯顿大学|Boston University
• 伯克利|University of California, Berkeley
  • Berkeley DeepDrive - 研究汽车应用的计算机视觉和机器学习方面的最新技术。
  • [InterACT]
  • [AUTOLAB]
  • [AUTOLAB]
• 普林斯顿|Princeton University
  • Princeton Autonomous Vehicle Engineering - 普林斯顿大学以本科生为主导的研究小组，致力于通过竞争挑战，自我引导研究和社区外展推动和推动机器人领域。
  • Princeton Vision & Robotics - 自动驾驶和街景。
• 马里兰大学|University of Maryland
  • University of Maryland Autonomous Vehicle Laboratory - 在生物启发设计和机器人领域进行研究和开发。
• 密歇根大学|University of Michigan
  • [MCity Driverless Shuttle research]
  • [Michigan Robotics]
  • [UMTRI：University of Michigan Transportation Research Institute]
• 康内尔大学|Cornell University
• 芝加哥大学|The University of Chicago
• 宾夕法尼亚大学|University of Pennsylvania
  • [GRASP]
    • [Kumar Lab]

加拿大

• 多伦多大学|University of Toronto
  • Raquel Urtasun带领
• 滑铁卢大学|University of Waterloo
  • University of Waterloo WAVE Laboratory - 研究领域包括Multirotor无人机，自动驾驶和多摄像机并行跟踪和绘图。

英国

• 牛津大学|University of Oxford
  • Oxford Robotics Institute – Autonomous Systems - 研究基于陆地的移动自动化的各个方面。

德国

• 柏林大学|Freie Universität Berlin
  • Autonomous Lab - Freie Universität Berlin - 计算机视觉，认知导航，空间汽车环境捕获。
• 慕尼黑联邦国防大学|

法国

• 法国国家资讯与自动化研究所
  • [RITS:Robotics and Intelligent Transportation Systems]

瑞士

• 苏黎世联邦理工学院
  • ASL：Autonomous Systems Lab

意大利

• 帕尔马大学
  • VisLab（目前已和安霸合并）

新加坡

• 南洋理工

韩国

日本

国内高校（不分先后）

• 清华大学
  • Lab of Intelligent and Connected Vehicles（李克强 教授带领）
  • iDLAB:Intelligent Driving Laboratory（成波 教授）
• 国防科大
  • 机电工程与自动化学院（贺汉根 教授）
• 西交
  • 人工智能与机器人研究所（郑南宁 院士）
    • Visual Cognitive Computing and Intelligent Vehicle Lab（薛建儒）
• 同济
  • 计算机视觉与遥感研究组
  • 同济智能汽车研究所（余卓平）
• 北理
  • 北理汽车研究所
  • 北理智能车辆研究中心（龚建伟）
• 吉大
  • 汽车工程学院
• 上交
  • 智能交通与无人机应用研究中心（彭仲仁）
• 武大
• 华科
• 湖南大学
• 中科院合肥物质科学学院
• 港科大
  • Areial Robotics Group(沈邵劼 )
  • 香港科大机器人研究所

研究机构

• Honda Research Institute - USA - engaged in development and integration of multiple sensory modules and the coordination of these components while fulfilling tasks such as stable motion planning, decision making, obstacle avoidance, and control (test).​

Datasets

• Udacity - 为[Udacity Challenges]（https://www.udacity.com/self-driving-car）发布的Udacity数据集。 包含ROSBAG训练数据。 （大约80 GB）。
• Comma.ai - 7.25小时的高速公路驾驶。 包含10个可变大小的视频片段，以20 Hz的频率录制，相机安装在Acura ILX 2016的挡风玻璃上。与视频平行，还记录了一些测量值，如汽车的速度、加速度、转向角、GPS坐标，陀螺仪角度。 这些测量结果转换为均匀的100 Hz时基。
• Oxford's Robotic Car - 超过100次重复对英国牛津的路线进行一年多采集拍摄。 该数据集捕获了许多不同的天气，交通和行人组合，以及建筑和道路工程等长期变化。
• KITTI Vision Benchmark Suite - 数据集为使用各种传感器模式，例如高分辨率彩色和灰度立体相机，Velodyne 3D激光扫描仪和高精度GPS/IMU惯性导航系统，在10-100 Hz下进行6小时拍摄的交通场景。
• University of Michigan North Campus Long-Term Vision and LIDAR Dataset - 包括全方位图像，3D激光雷达，平面激光雷达，GPS和本体感应传感器，用于使用Segway机器人收集的测距。
• University of Michigan Ford Campus Vision and Lidar Data Set - 基于改进的福特F-250皮卡车的自动地面车辆测试台收集的数据集。 该车配备了专业（Applanix POS LV）和消费者（Xsens MTI-G）惯性测量单元（IMU），Velodyne 3D激光雷达扫描仪，两个推扫式前视Riegl激光雷达和Point Grey Ladybug3全方位摄像头 系统。
• DIPLECS Autonomous Driving Datasets (2015) - 通过在Surrey乡村周围驾驶的汽车中放置高清摄像头来记录数据集。 该数据集包含大约30分钟的驾驶时间。 视频为1920x1080，采用H.264编解码器编码。 通过跟踪方向盘上的标记来估计转向。 汽车的速度是从汽车的速度表OCR估算的（但不保证方法的准确性）。
• Velodyne SLAM Dataset from Karlsruhe Institute of Technology - 在德国卡尔斯鲁厄市使用Velodyne HDL64E-S2扫描仪记录的两个具有挑战性的数据集。
• SYNTHetic collection of Imagery and Annotations (SYNTHIA) - 包括从虚拟城市渲染的照片般逼真的帧集合，并为13个类别提供精确的像素级语义注释：misc，天空，建筑，道路，人行道，围栏，植被，杆，汽车，标志，行人， 骑自行车的人，车道标记。
• Cityscape Dataset - 专注于对城市街景的语义理解。 大型数据集，包含从50个不同城市的街景中记录的各种立体视频序列，高质量的像素级注释为5000帧，另外还有一组较大的20000个弱注释帧。 因此，数据集比先前的类似尝试大一个数量级。 可以使用带注释的类的详细信息和注释示例。
• CSSAD Dataset - 包括若干真实世界的立体数据集，用于在自动驾驶车辆的感知和导航领域中开发和测试算法。 然而，它们都没有记录在发展中国家，因此它们缺乏在街道和道路上可以找到的特殊特征，如丰富的坑洼，减速器和特殊的行人流。 该立体数据集是从移动的车辆记录的，并且包含高分辨率立体图像，其补充有从IMU，GPS数据和来自汽车计算机的数据获得的定向和加速度数据。
• Daimler Urban Segmetation Dataset - 包括城市交通中记录的视频序列。 该数据集由5000个经过校正的立体图像对组成，分辨率为1024x440。 500帧（序列的每10帧）带有5个类的像素级语义类注释：地面，建筑，车辆，行人，天空。 提供密集视差图作为参考，但是这些不是手动注释的，而是使用半全局匹配（sgm）计算的。
• Self Racing Cars - XSens/Fairchild Dataset - 文件包括来自Fairchild FIS1100 6自由度（DoF）IMU，Fairchild FMT-1030 AHRS，Xsens MTi-3 AHRS和Xsens MTi-G-710 GNSS / INS的测量结果。 事件中的文件都可以在MT Manager软件中读取，该软件可作为MT软件套件的一部分提供，可在此处获得。
• MIT AGE Lab - 由AgeLab收集的1,000多小时多传感器驾驶数据集的一小部分样本。
• Yet Another Computer Vision Index To Datasets (YACVID) - 常用计算机视觉数据集列表。
• KUL Belgium Traffic Sign Dataset - 具有10000多个交通标志注释的大型数据集，数千个物理上不同的交通标志。 用8个高分辨率摄像头录制的4个视频序列安装在一辆面包车上，总计超过3个小时，带有交通标志注释，摄像机校准和姿势。 大约16000张背景图片。 这些材料通过GeoAutomation在比利时，佛兰德斯地区的城市环境中捕获。
• LISA: Laboratory for Intelligent & Safe Automobiles, UC San Diego Datasets - 交通标志，车辆检测，交通灯，轨迹模式。
• Multisensory Omni-directional Long-term Place Recognition (MOLP) dataset for autonomous driving - 它是在美国科罗拉多州的一年内使用全向立体相机录制的。论文

开源软件

• Autoware - 用于城市自动驾驶的集成开源软件。
• Comma.ai Openpilot - 开源驱动代理。
• Stanford Driving Software - 斯坦福自动驾驶汽车的软件基础设施。
• GTA Robotics SDC Environment - 为Udacity无人驾驶车（SDC）挑战做好准备的开发环境。
• The OSCC Project - 用于自动驾驶汽车开发的线控控制套件。

硬件

小游戏

• TensorKart - 使用TensorFlow搭建的自驾驾驶MarioKart。
• NeuroJS - javascript深度学习和强化学习库。 一个样本自动驾驶汽车实施。
• Metacar - 仅需通过浏览器就可以进行训练，为自动驾驶汽车提供强化学习环境。
• DeepTraffic - 作为MIT深度学习课程的一部分, 作为认知深度强化学习小游戏。仅需通过浏览器设置参数就可以进行训练和评估。

公司

• 33 Corporations Working On Autonomous Vehicles

媒体

媒体来源，可以找到自动驾驶相关的主题、想法等等。

Youtube

• 视频：自动驾驶的三大支柱。 [观看]
• 视频：什么是自动驾驶感应？ [观看]
• Amnon Shashua CVPR 2016主题演讲：自动驾驶，计算机视觉和机器学习。 [观看]
• Chris Urmson: 无人驾驶车如何看到这条路。 [观看]
• 深入强化学习驾驶政策。 [观看]
• 2016年国际消费电子展上的NVIDIA - 自动驾驶车和深度学习GPU。[观看]
• NVIDIA Drive PX2自动驾驶汽车平台可视化。 [观看]

博客

• Deep Learning and Autonomous Driving
• [Medium] Self-Driving Cars

知乎

微信公众号

推特

• comma.ai
• [Udacity] David Silver
• [Udacity] Dhruv Parthasarathy
• [Udacity] Eric Gonzalez
• [Udacity] Oliver Cameron
• [Udacity] MacCallister Higgins
• [Udacity] Sebastian Thrun
• [Google] Chris Urmson

法规

美国

• California Regulatory Notice
• Michigan Just Passed the Most Permissive Self-Driving Car Laws in the Country
• Car accidents involving a SDC in California
• Nvidia starts testing its self-driving cars on public roads