一文读懂10+自动驾驶规控算法：PID,LQR,MPC,A*…

规划控制是自动驾驶的核心模块之一，它的主要作用是：感知周围的路况，进行路径规划，并按照实际情况做出最合理的决策。决策后，车辆会规划一条新的轨迹进行行驶。

（自动驾驶算法结构图）

根据上游决策的结果，运动规划模块实时输出舒适安全的轨迹信息以及速度、加速度和方向盘转角信息，交由控制模块执行。

（自动驾驶控制规划过程）

目前企业界的主流规控算法包括PID, LQR, MPC等控制算法，以及A*,Dijkstra,有限状态机，Markov决策, Lattice planner等规划算法。网络上有比较多的博客介绍这些算法的大概思路，但理论讲解与C++代码实现结合的内容少之又少。

为了便于大家学习，深蓝学院邀请了具有10年以上规划控制研发经验的乌宁博士，开设了《自动驾驶控制与规划》线上课程。

请务必备注515，优先通过！

课程详细讲解了PID, LQR, MPC等自动驾驶常用的控制算法，以及动作规划、决策规划、路径规划等规控岗位必备的基础知识。同时配套了6个实践Project，教给大家如何将算法落地应用在自动驾驶场景中。本期课程还开设了讲师直播答疑环节，老师将会面对面解决同学们学习过程中遇到的各种困难。

1

课程讲师

博士毕业于新加坡国立大学。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。

2

项目实践

项目实践案例：

（车辆轨迹跟踪LQR算法）

（局部轨迹规划算法lattice planner）

3

课程收获

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。

本课程从基础的车辆物理模型出发，通过对不同场景及应用下车辆模型的分析，详细阐述车辆控制学及路径规划的知识体系。通过将理论与实际车辆规划控制中的问题相结合，从而让大家达到融会贯通的效果。

4

课程大纲

5

适合人群

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。

6

抢占名额

请务必备注515，优先通过！