Apollo 自动驾驶工程师技能图谱

本图谱核心贡献者：Apollo 技术布道师团队

基于 Apollo 技术框架的自动驾驶工程师技能图谱：跟公布的技术框架结构保持一致，强调了 Apollo 软件之外的硬件能力。

Toolbox（Basic）

Bazel
Protobuf
Docker
ROS
OpenCV

Language（Basic）

C++
Bash
Python
- Keras
JavaScript
- Node.js
- React

Machine Learning Frameworks（Basic）

PaddlePaddle
Caffe
TensorFlow

硬件（芯片）编程（Basic）

CPU
GPU(CUDA)
FPGA

Cloud Service Platform（Apollo）

HD Map
- OpenDrive
Simulation
- Matlab/Simulink
- GameEngine(UE4)
Data Platform
- 虚拟化
- 异构计算
- 分布式计算
- 分布式存储
Security
OTA
DuerOS

Open Modules（Apollo）

Localization
Perception
- Deep Learning:CNN
- Low-level Vision
- 图形学与视觉几何
- 状态估计与滤波
- 最优化问题求解
Planning
- Smoothing Curves
- Vehicle Kinematics
- Station-time 2D Model
- Optimization Algorithms:Dynamic Programming
- Quadratic Programming
- Smoothing Spline
- A*
- Probability Math Models:Bayesian
- Markov Process
- MDP
- Machine Learning:
  - CNN
  - RNN
  - Reinforcement Learning
- Motion Planning Background:Sampling Based Motion Planning
- Optimization Based Motion Planning
- ComputerScience:Parallel Programming
- For Planning Focused:Basic Motion Planning Technique
- Dynamic Programming
- Computation Geometry
- 深度学习算法、BP 算法
Control
- Basic Control Theory
- Linear-Quadratic Regulator (LQR)
- Model Predictive Control(MPC)
- PID Basic Control Theory
End-to-End
- Deep Learning
- CV
- 逆向汽车动力学模型
- 端到端驾驶模型：
  - 横向模型：CNN
  - 纵向模型：Convolutional-LSTM
  - 横 + 纵向模型：LRCN

Hardware & Sensors （Apollo）

Computing Unit
- IPC（Intel Nvidia ...)
- 专用自动驾驶计算单元(PX2 TX2 ...)
Perception
- Camera(单目／双目)
- LiDAR
- Radar
- Ultrasonic Radar
Localization
- GPS
- IMU
- other perception sensors
CAN Card
HMI Device
V2X Device
Safety
- Black Box
传感器知识与技能
- 搭建方式
- 配置流程
- 数据形式
- 能够通过数据判断传感器是否正常工作
无人车知识与技能
- 基本的硬件组成
- 各 Sensors 流程
- 通讯信息接口
- 各个传感器优点、能力与局限
- 知道本模块对于硬件的需求
- 算法对于硬件的依赖、瓶颈
- 硬件的基本参数性能、调参方法
- 熟悉上车开发调试环境

Vehicle（Apollo）

线控车辆
车辆电子控制系统
- Protocol
  - Can
  - Lin
  - FlexRay
- 动力系统控制
- 制动系统控制
- 转向系统控制
车载语音交互系统
AUTOSAR