工业级自动驾驶规控算法实战解析：PID、LQR、MPC、A*等（含6大Project）

规控算法是自动驾驶实现安全与舒适的核心，无论是高速巡航还是复杂城市场景，其表现均由PID、LQR、MPC等关键算法决定。然而，大多数工程师虽然了解基础原理，却在工程落地时频频受阻——参数整定、延迟补偿、模型失配……这些调试细节，才是真正的技术瓶颈，也正成为许多人职业发展的关键障碍。

（自动驾驶算法结构图）

行业招聘需求早已印证了这一点：一线车企与自动驾驶公司的规控岗位，普遍要求“掌握核心算法、车辆动力学建模，并具备实战经验”。这考验的不是公式记忆，而是对算法特性与场景适配的系统化理解，以及将理论转化为工程代码的实战能力。

目前工业界广泛应用的规控算法，如控制侧的PID、LQR、MPC，以及规划侧的A*、Dijkstra、有限状态机和Lattice Planner等，网上虽有许多基础介绍，但将系统化理论与可实践的C++代码深度结合的内容依然稀缺。

局部轨迹规划算法lattice planner

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。

扫码添加，了解详情

抢占学习名额

PART.01

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。

PART.02

项目实践

项目实践案例：

车辆轨迹跟踪LQR算法

PART.03

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。

PART.04

课程大纲

PART.05

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。

PART.06

抢占名额

扫码添加，了解详情

抢占学习名额