6步搞定自动驾驶 ! ROS仿真环境下的PnC算法实战指南

规划控制模块是自动驾驶系统的执行核心。不论是自动驾驶乘用车、园区无人车，还是轮式移动机器人，PnC模块的核心作用都是：接收上游感知、定位模块输出的环境障碍物、车辆位姿信息，规划出一条安全、平顺且符合交通规则的行驶轨迹；同时下发转向、油门、刹车指令跟踪目标轨迹，输出的轨迹不仅包含几何位置信息，还涵盖速度、加速度等时域信息。

目前自动驾驶主流规控算法包含Stanley、LQR、MPC、A、Lattice、RRT等。网络上有大量文章零散讲解各类算法基础思路，但完整理论推导、数学建模与ROS工程代码落地相结合的系统内容少之又少。

为方便大家体系化学习自动驾驶规划控制，深蓝学院打造《自动驾驶控制与规划》实战课程。课程依托ROS仿真平台，构建完整自动驾驶规控开发链路，带你打通从底层车辆控制到上层运动规划、行为决策的全流程知识。

乌宁

自动驾驶公司首席研究科学家，规划控制团队负责人，新加坡国立大学博士。具有10年以上机器人规划控制的研发经验，获得多项自动驾驶专利，并发表多篇机器人、自动驾驶论文。

1. 了解自动驾驶的规划控制在整个自动驾驶中的作用；

2. 学会如何建立车辆几何模型、车辆运动学模型以及车辆动力学模型，如何对一些重要的参数进行辨识；

3. 学会设计多种控制器（PID, LQR, MPC）去解决自动驾驶中的控制问题，提升车辆的轨迹追踪、自适应巡航等的性能；

4. 学会如何通过有限状态机(Finite-state machine)在动态环境下规划出一条避开障碍物并符合车辆动力学的路径，如何在复杂环境下做出合理决策等。

5. 掌握规划领域的Dijkstra，A*等路径规划的方法，运动规划的方法以及在不确定性条件下的规划问题。

1. 希望从事自动驾驶规划控制研发的在校学生，尤其是机械、电子电气、计算机、自动化等专业的同学。
2. 已经在从事自动驾驶规划控制相关领域的研发工程师。

3. 自动驾驶或者机器人企业中其他方向的研发工程师，以及系统工程师。