工業級自動駕駛規控算法實戰解析：PID、LQR、MPC、A*等（含6大Project）

規控算法是自動駕駛實現安全與舒適的核心，無論是高速巡航還是復雜城市場景，其表現均由PID、LQR、MPC等關鍵算法決定。然而，大多數工程師雖然了解基礎原理，卻在工程落地時頻頻受阻——參數整定、延遲補償、模型失配……這些調試細節，才是真正的技術瓶頸，也正成為許多人職業發展的關鍵障礙。

（自動駕駛算法結構圖）

行業招聘需求早已印證了這一點：一線車企與自動駕駛公司的規控崗位，普遍要求“掌握核心算法、車輛動力學建模，并具備實戰經驗”。這考驗的不是公式記憶，而是對算法特性與場景適配的系統化理解，以及將理論轉化為工程代碼的實戰能力。

目前工業界廣泛應用的規控算法，如控制側的PID、LQR、MPC，以及規劃側的A*、Dijkstra、有限狀態機和Lattice Planner等，網上雖有許多基礎介紹，但將系統化理論與可實踐的C++代碼深度結合的內容依然稀缺。

局部軌跡規劃算法lattice planner

為了便于大家學習，深藍學院邀請了具有10年以上規劃控制研發經驗的烏寧博士，開設了《自動駕駛控制與規劃》線上課程。

掃碼添加，了解詳情

搶占學習名額

PART.01

課程講師

博士畢業于新加坡國立大學。具有10年以上機器人規劃控制的研發經驗，獲得多項自動駕駛專利，并發表多篇機器人、自動駕駛論文。

PART.02

項目實踐

項目實踐案例：

車輛軌跡跟蹤LQR算法

PART.03

課程收獲

1.了解自動駕駛的規劃控制在整個自動駕駛中的作用；

2.學會如何建立車輛幾何模型、車輛運動學模型以及車輛動力學模型，如何對一些重要的參數進行辨識；

3.學會設計多種控制器（ PID, LQR, MPC ）去解決自動駕駛中的控制問題，提升車輛的軌跡追蹤、自適應巡航等的性能；

4.學會如何通過 有限狀態機( Finite-state machine ) 在動態環境下規劃出一條避開障礙物并符合車輛動力學的路徑，如何在復雜環境下做出合理決策等。

5.掌握規劃領域的 Dijkstra，A* 等路徑規劃的方法，運動規劃的方法以及在不確定性條件下的規劃問題。

本課程從基礎的車輛物理模型出發，通過對不同場景及應用下車輛模型的分析，詳細闡述車輛控制學及路徑規劃的知識體系。通過將理論與實際車輛規劃控制中的問題相結合，從而讓大家達到融會貫通的效果。

PART.04

課程大綱

PART.05

適合人群

1.希望從事自動駕駛規劃控制研發的在校學生，尤其是機械、電子電氣、計算機、自動化等專業的同學。

2.已經在從事自動駕駛規劃控制相關領域的研發工程師。

3.自動駕駛或者機器人企業中其他方向的研發工程師，以及系統工程師。

PART.06

搶占名額

掃碼添加，了解詳情

搶占學習名額