自动驾驶,圈子很重要!

文章讲述了自动驾驶行业的高薪现象,并强调了求职者需要正确的学习方法和资源。作者推荐加入自动驾驶之心知识星球,该社区提供了丰富的干货内容、专业嘉宾答疑、直播分享和课程,帮助求职者提升技能和增加就业竞争力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近有个粉丝私聊博主,身边同学最高拿到了40k*16的薪资,再回看自己还没找到工作,实在有压力。不得不说啊,这待遇吊打了很多社招人群,我们那个时候刚毕业有这一半就很不错了。真是长江后浪推前浪~这也能验证一个事情,自动驾驶依然是有很充裕的资金支持研发,各大企业也愿意投入高薪招聘人才。

回到正题上,后面电话和这位同学聊了下,之所以没拿到合适的offer。一方面是因为导师放养没有能打的项目,另外一方面缺乏实习经历,以及秋招刷题面试的详细攻略。其实我一直相信,咱们的同学都是比较聪明的,但如果没有正确的方法论面对求职,依然有很大风险,相比于那些准备充足的,企业更想降低试错风险。

如何准备呢?我的答案是找对圈子,让你每天能够主动和被动接受很多新的知识,包括领域知识体系的梳理、刷题、面试经验、各家企业现状、各个岗位的具体职责以及后续的职业前景等。一个人入门学习,无异于大海捞针,浪费了大把时间踩坑,还得不到想要的答案。哪里有专业回答的规划呢?这里我推荐一个我们一直在维护的社区:自动驾驶之心知识星球,目前是国内最大、最专业的自动驾驶社区。

47bbff2056181053b63c90aad5255728.png

新人加入优惠券!

星球于2022年7月创立至今,输出了3600+的干货内容,星球活跃度长期排行前10名,吸引了2100+名行业学习爱好者,基本都是自动驾驶行业内各个方向的小伙伴,邀请来了50+位行业知名专家作为星球嘉宾,为大家答疑解惑,已经积累了500+条精华问答,问答都是行业内最实际的问题,且都会有专业的回答。为促进自动驾驶社区的发展,我们每周邀请自动驾驶行业大牛来直播分享技术和经验,至今已成功举办50+场直播分享研讨会,每场人数都近2000人,答疑环节大家讨论热烈,足见自动驾驶行业之前景开阔。

c8b93b1c3df148dba924c1affb746e89.png

622906005b02a92d512a2182461faffa.jpeg

71abfba2e77da1890f1e2cb7b361dbce.jpeg

星球会员权益

1、免费获得50+专业嘉宾的答疑解惑(有问必答)

2、永久免费浏览、下载星球内容(目前3600+干货内容,每天更新,会员过期后,过期前的内容可继续免费浏览下载

3、所有自动驾驶之心的付费课程8折优惠(价值1500元)

4、直播视频免费无限期回放(50+场行业直播,一年近100场)

5、免费赠送一门《目标检测与PyTorch入门实践课程》(16节课)

6、星球积分榜前10名,获得丰富现金奖励

7、免费咨询求职招聘相关问题

8、加入专属VIP群,获得最新资讯

目前我们已经完成了近30+的自动驾驶技术方向学习路线!如果你想转到自动驾驶、想了解最新的技术方向、招聘信息和求职攻略,我诚心推荐大家加入自动驾驶之心知识星球!这是一个能够all in one的地方(由于内容足够全,需要一点阅读时间,这里涵盖所有你想要的)

星球内容一览

0a4a7676d5d7241eb5e8efd158933ae4.png

a350255823dbd832d38f2aecc71d06e8.png自动驾驶之心近半年举办直播分享近50场,计划一年内给大家带来100场高质量直播分享,涉及传感器标定、3D目标感知、车道线、SLAM、目标跟踪、轨迹预测与规划控制、数据闭环与自动标注、自动驾驶仿真、自动驾驶产品及行业前沿动态等方向。这些高质量的视频及PPT资料,都备份在了星球内部,可以无限期回放学习,难能可贵的是,分享视频后都带有问答释疑,知其然,更知其所以然,这一直是我们坚信的方法论!

8b8a65c6b71a59e7def8da6d934dc03b.png

最近自动驾驶之心也陆续开设了BEV感知、多传感器标定、多传感器融合、车道线检测、Transformer大模型、轨迹预测、规划控制、多模态3D检测、CUDA&TensorRT部署等一系列自动驾驶相关课程,后面会覆盖整个自动驾驶相关方向。这些课程前期准备了很长时间,邀请的讲师都是各个方向理论和实战兼备的大牛,质量有保证。针对咱们知识星球会员,所有课程都有8的优惠。

最近星球的一些新变化

1、持续邀请重磅嘉宾加入(星球已有50+名行业内各方向嘉宾,为大家答疑解惑)

30031fcca3dbd4c7d47a28b835b8cbab.png

0491ae9afc4efd6adf4fb491db2b4d9a.png

2、行业直播干货视频第一时间分享(直播当天完整版回放就上传星球

9e6db4b5e0409c4f48551a73bb4458ab.png4350f29dbca87929c860c75875e59cd6.png

3、视频学习材料干货分享(干货知识点讲解)

46caf8ac993e7d8df3591bf58f77c7ef.jpeg28943cd89dda1de8bb0ee40902eef2ff.png

4、每天问题讨论(自动驾驶一百问系列,实用问题星球内一起讨论)

7149ea3a8ad31b5496abf142dcff3a7a.png

e77c39ba0a18c100a8341818f8f243fa.png

ede191bbb708deffcb739c0ff6473385.png

1a602b3368013dfb840a39baec9c50b7.png

5、代码干货推荐(最新实用代码分享)

03386bb613038ca4f9fb628c1183aa92.png

6、问答释疑

9059e1d46ed295bb4da883ee37c81f91.png

7、经典书籍分享

7982ded507d3e299c9fb9fce432cfbac.png

自动驾驶之心知识星球

自动驾驶之心知识星球是首个以自动驾驶技术栈为主线的交流学习社区,这是一个前沿技术发布和学习的地方!我们汇总了自动驾驶感知(分类、目标检测、语义分割、实例分割、全景分割、关键点检测、车道线检测、3D感知、目标跟踪、多模态、多传感器融合等)、自动驾驶定位建图(高精地图、SLAM)、自动驾驶规划控制、领域技术方案、AI模型部署落地等几乎所有子方向的学习路线!除此之外,还和数十家自动驾驶公司建立了内推渠道,简历直达!这里可以自由提问交流,许多算法工程师和硕博日常活跃,解决问题!初衷是希望能够汇集行业大佬的智慧,在学习和就业上帮到大家!星球的每周活跃度都在前50内,非常注重大家积极性的调度和讨论,欢迎加入一起成长!

星球目前有哪些成员?

星球成员主要来自商汤科技、旷视科技、百度、阿里、网易、Momenta、Intel、Nvidia、赢彻科技、图森未来、智加科技、AutoX、大疆、上汽、集度、地平线、蔚来、小鹏、蘑菇车联、斑马、华为等业界知名公司,以及苏黎世理工、卡耐基梅隆大学、普渡大学、东京大学、香港中文大学、香港科技大学、香港大学、清华大学、上海交大、复旦大学、浙江大学、中科大、南京大学、东南大学、同济大学、上海科技大学、哈工大等国内外知名高校;

知识星球有哪些模块?

CV图文教程:网络结构可视化、算法原理图解;

视频教程:星球内部技术分享视频完成了几十场技术直播分享,包括语义分割、毫米波雷达视觉融合、BEV感知、Occupancy、多传感器标定、传感器部署、高精地图制作关键技术、规划控制、轨迹预测、自动驾驶行业与求职分析、自动驾驶仿真等多个方向(星球内部观看)!以及优秀开源课程,涉及相机标定、伯克利深度学习与计算机视觉、百度优达学城、Apollo自动驾驶、Udacity自动驾驶、MIT自动驾驶、Carla自动驾驶仿真等系列视频课程;

590b8bbf1ad8f1439a3df31d49cf13d2.png

9d4217ffdc59fee4097ed7898cca70f8.png

45912f3e7b12a006eacd87184dbc932f.png

dce83ce5983907b4d912c4f7a6a6bd68.png

86a742cfa5c35c1671e18acb7bf9db69.png

日常paper分享:BEV感知、3D目标检测、多模态融合、2D检测、分割、车道线、多任务学习、多目标跟踪、传感器空间和时间同步、鱼眼感知与模型、轨迹预测、高精地图、SLAM、规划控制、V2X、Occupancy network、NerF、测速测距、强化学习、VIT、轻量化等;

职位与面经分享:自动驾驶行业职位内推、面经分享、入门学习路线分享;

日常问答交流:和嘉宾星主交流领域学术工业最新进展,包括领域方案、工程实战问题、学术界前沿动态;

b0b97b1bf9365c4ac9f0bf6903c59fa7.png

主要面向对象

星球创建的初衷是为了给自动驾驶行业提供一个技术交流平台,包括需要入门的在校本科/硕士/博士生,以及想要转行或者进阶的算法工程人员;除此之外,我们还和许多公司建立了校招/社招内推,包括地平线、百度、蔚来汽车、momenta、赢彻科技、集度、滴滴、Nvidia、高通、纵目科技、魔视智能、斑马汽车、博世、纽劢科技、追势科技、寒武纪等!

如果您是自动驾驶和AI公司的创始人、高管、产品经理、运营人员或者数据/高精地图相关公司,也非常欢迎加入,资源的对接与引进也是我们一直在推动的!我们坚信自动驾驶能够改变人类未来出行,想要加入该行业推动社会进步的小伙伴们,星球内部准备了基础到进阶模块,算法讲解+代码实现,轻松搞定学习!

日常讨论

2d1d9e64319a93fd637fdb4e83d9bbcb.png

0519b9a42ed1291204a2c6f18a4f4275.png

每周精选

3d3f8767f5350d6e17d4ee24df5372df.png59f05d053bf1f40fc90c1fe06af8eb4a.png

日常分享

e7afebe36204e231be230e6186fdfc6b.png

a91d28e170b1a58d8d2c00f6cca57b6b.png

星球主要关注方向

0.自动驾驶顶会与公司

星球内部为大家汇总了CVPR、ECCV、IROS、RSS、TPAMI、IV、ICIP等自动驾驶领域顶会和顶刊,以及图森、智加、主线科技、集度、滴滴、纵目、元戎启行、momenta、蔚来小鹏理想等近80家公司介绍(可以内推!)

1. 计算机视觉相关数据集

数据集是AI任务的基石,然而大多数数据集都是国外机构开源,数据量较大,下载速度缓慢,这两个缺点导致很多研究人员在数据获取上为难,为此星球内部已经为大家准备了近30种计算机视觉和自动驾驶相关数据集,包括KITTI、Waymo Open Dataset、Lyft L5、COCO、Semantic3D、A2D2数据集、车道线数据集、车牌数据集、行人检测数据集、红绿灯检测数据集等,一键下载;

5d493188f02da03beaf52c3f96417168.png

2. 2D/3D标定工具与仿真

星球内部为大家汇总了2D检测、3D点云检测、语义分割、实例分割、3D点云分割、视频检测、交互标定、多传感器标定等工具,还有各类仿真框架,可以快速适配到自己项目中。

b97a03dc3f81872d40cdab49f3553295.png

3. 基础学习资料

整理了从自动驾驶感知、跟踪、滤波专业算法技术,到深度学习数学基础和图像处理、经典计算机视觉算法、Opencv、Pytorch以及C++、Python、GPU和Cuda近50本pdf学习资料!

50b2473433ab915ab8e55c213fb0cbde.png

a8fc529d1f80eba0da638ebb1826a611.png

b34f09a4257db8fe6d6056d836c9ac51.png

e2daaddca74e69f70f4bfd3c53aff82f.png

4.  Backbone与Transformer

主要关注常用的轻量化、高性能backbone,以及视觉transformer结构与优化;

abb0ef1858e521916e6efc349f5cbe62.png

5.  2D目标检测

关注anchor-based、anchor-free、one-stage、two-stage、超全YOLO系列、小目标检测、多任务模型、长尾分布、误检消除、难例挖掘、定位精度优化等内容;该模块汇总检测领域的经典综述和论文,从结构、数据增强策略、采样策略、不均衡问题、半监督、知识蒸馏上展开研究;

0a0807133abc009277651a713d4d0a3a.png1a073e429ce33fb9c2bb4952c8c719f2.pngcdae7806b241576ff89f5f9e157864ea.png6cf35619d7b994cda8a347c5b409cf22.png

6.  分割任务

汇总了常见的2D语义分割、实例分割、全景分割以及3D点云分割SOTA算法,并对分割任务中的边缘轮廓分割模糊不细腻问题展开讨论;

618bc5b415d0dbeaa2ca72ae62966f71.pngd3dfde2989acd0e8899cc855b1974b4e.png

7.车道线检测

对基于检测、分割、分类、关键点、曲线预测、多传感器检测、3D车道线SOTA方法进行了汇总,对车道线遮挡、磨损、不连续问题展开了讨论!

2db742922d9670bf1eb12639b0547d37.png

8.鱼眼感知

针对鱼眼和全景相机在自动泊车、近域感知上的应用展开,主要包括相机标定、鱼眼全景相机系统、自动泊车系统、环视数据集、鱼眼深度估计、鱼眼目标检测、鱼眼SLAM、语义分割等方向!

95cd1724d437f6e1dd0eefecac4ea91c.png0fb5989f3ed9a4f6ad00e832f6303b46.png1f27c9f4d18cabf8dd6ef7396b5b6c21.png

9.目标跟踪

针对单目标和多目标跟踪,基于Siamese Network、Tracking-by-detection、传统滤波+关联算法、end2end等方法进行全面展开阐述,后续更会加入变速情况下的跟踪系统;

fe76b83e4c7709e5450575b53a4a2356.png372eb45bdba2d132e401d79cc574b816.png

10.3D目标检测

从点云和多模态数据3D检测任务展开,基于BEV、点、体素、多camera数据的3D检测方案;

2fc918b6fa6691a48567e3c4ded150fb.png611b7c06f3c59284753ced944696068b.png7c872a303d5cb207564b06f45897151d.png3d742897cb9463400c72a08d6f65209c.pnge7d852c04dd28afcb80f0eb4fc2c2552.png

11.传感器标定

主要关注自动驾驶领域常见的Camera、Lidar、Radar、IMU之间的离线、在线标定,多相机、多激光雷达之间的标定,自动标定,传感器时间同步等;

db92b6da859748b0ce7a2b79c03d5a6f.png

cf0edfe4e9ff44b6b0359dcb17abd3e7.png

989f0f041540dcdaa237fe731033c3a7.png

c609b9f1270ed159367b666329a7707b.png

7f77cf6024d3823f305ad76f5c52918e.png

12.多传感器融合

星球内部汇总了数据级融合、目标级融合、特征级融合、弱融合、不对称融合等多种方案!

9a2c8818f1215ea7f42c170a1c7d9d9e.png

a262834c56735a90312238d1f8e6f01b.png

c095d322f7b43bbfaa73e790cdaa9de2.png

91c335fb3b717513ca3e7c482fa80754.png

13.SLAM与高精地图

汇总了单目SLAM、RGB-D SLAM、激光SLAM、毫米波SLAM、高精地图定位方法、自定位方法!以及领域内最常用的高精地图制作方法!

ded3bf3a53faabdf945d61d951571d68.png

088e7b55b708e7a2659cfa8c1d173610.png

d63de6262c2342c62cec899490b7814c.png

1d92dcf3722b82bc90723ce2b076600a.png

024dcf703392318871a02ad186027373.png

8fcd4e427fee329fc6c18421dc00d7ac.png

14.模型压缩与轻量化

汇总了模型压缩、裁剪、量化、权值共享、模型加速、知识蒸馏、量化工具等数十篇干货介绍!

15.模型部署

TensorRT、NCNN、Opencv、MNN方案部署检测、分割、关键点、分类模型实战;

0c096dbc6bad3ac5ca589c7a232c597e.png

16.轨迹预测

重点关注行人、车辆、基于机器学习、深度学习、强化学习方式的预测!

e672f6d4aab01b220df6acf4e329077d.png

17.规划控制

涵盖所有的规划控制方法,重点关注行车、泊车、机器人等应用领域!

74d4d6b5161925979ca8c7203f90fe77.png

faf4d36e60f8fcd27b7d6d76bf57fb43.png

18.其它

在感知定位融合之外,还汇总了Occupany network、测速测距、大量机器人、自动驾驶规划方法,强化学习在运动规划上的应用、V2X技术,以及图像加速CUDA方法等~

680e445a20f7c266a487ae5a9afc680a.png

欢迎加入

欢迎大家扫码加入自动驾驶之心知识星球,我们诚邀前期成员的加入,一起创造一个全技术栈的自动驾驶开发者社区!星球成员的加入平均每天不到1元,欢迎扫码加入一起学习一起卷!

710937681a0260d30c29ad37aa34f4b3.png

新人加入优惠券!

任何疑问欢迎联系汽车人助理,备注方向+昵称:

a10583c187066c5235c26ca3993fd1b6.jpeg

以上内容包含广告

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值