2025最新 C++ 自动驾驶资源库

中文 | English

核心定位： 这是一个专注于 C++实现 、工程化落地 和 面试求职 的自动驾驶资源精选集 🚗

📖 目录

• 🗺️ 学习路线图
• ✨ 核心内容讲解
• 📚 学习资源（课程/书籍/论文）
• 📊 数据集
• 🛠️ 工具链
• 💻 开源项目
• 📰 相关文章
• 📝 算法题
• 🎓 面试八股文
• 💼 招聘信息
• 🤝 社区与贡献

🗺️ 学习路线图

点击展开/折叠

✨ 核心内容讲解

• 数学与几何基础

  • Eigen
  • SO(3)、SE(3)、李代数
  • 四元数与旋转表示
  • 滤波器（KF/EKF/UKF/ESKF）
  • 数值优化 (Ceres/g2o)

• 感知

  • PointPillars
  • CenterPoint Voxel-to-BEV + CenterHead
  • 多模态融合（激光雷达+相机）
  • TensorRT 自定义插件开发

• 定位

  • NDT 配准
  • FAST-LIO 紧耦合
  • ESKF 误差状态卡尔曼
  • GPS/IMU 紧耦合

• 建图

  • 离线建图
  • 在线回环检测
  • 高精地图与矢量地图

• 预测

  • 多目标跟踪
  • 意图预测
  • 轨迹预测

• 规划

  • Hybrid A* + Reeds-Shepp
  • Lattice Planner
  • EM Planner
  • 行为决策与状态机

• 控制

  • MPC 横纵向解耦
  • LQR 与最优控制
  • Stanley / Pure Pursuit
  • 车辆动力学模型

• 端到端

  • 模仿学习
  • 端到端模型 C++ 部署

• 仿真

  • CARLA C++ Client
  • 传感器仿真与同步
  • 场景库与交通流

• 中间件与通信

  • ROS/ROS2 架构
  • Fast-DDS / CycloneDDS
  • some/IP + vsomeip
  • Protobuf 序列化

📚 学习资源（课程/书籍/论文）

课程

• Apollo 自动驾驶入门
  高精度地图、定位、感知、预测、规划与控制。基于Apollo开源框架，中文讲解
• Self-Driving Cars Specialization
  多伦多大学四门套课，覆盖感知、定位、规划、控制全栈
• Introduction to Self-Driving Cars
  自动驾驶入门课，使用CARLA模拟器
• Motion Planning for Self-Driving Cars
  运动规划课程，包含A*、Hybrid A*、Lattice、MPC等算法
• Visual Perception for Self-Driving Cars
  视觉感知课程，车道线、信号灯、3D目标检测，作业基于OpenCV
• State Estimation and Localization for Self-Driving Cars
  状态估计与定位课程，卡尔曼滤波、粒子滤波、SLAM基础
• Self-Driving Cars with Duckietown
  苏黎世联邦理工小车课程，使用ROS2，软硬件结合
• Multi-Object Tracking for Automotive Systems
  查尔姆斯大学多目标跟踪课程，针对汽车系统，包含SORT和Kalman融合
• Autonomous Mobile Robots
  ETH Zurich移动机器人课程，路径规划与避障算法
• Self-Driving Cars with Duckietown MOOC
  Duckietown硬件MOOC，包含AI机器人自主决策和硬件教程
• Advanced Kalman Filtering and Sensor Fusion
  Udemy高级卡尔曼滤波与传感器融合课程，包含模拟实现
• Sensor Fusion Engineer Nanodegree
  Udacity传感器融合专项，LiDAR+Radar+Camera融合，使用C++实现
• Self-Driving Car Engineer Nanodegree
  Udacity自驾车工程师全栈专项，从感知到规划，包含C++项目
• AI for Autonomous Vehicles and Robotics
  密歇根大学课程，AI在自驾车中的应用，包含Kalman滤波和决策
• The Complete Self-Driving Car Course - Applied Deep Learning
  Udemy深度学习构建自主车课程，主要使用Python
• Autonomous Aerospace Systems
  自驾飞行器软件工程课程，路径规划与传感器融合，可迁移至地面车辆

书籍

• 《无人驾驶车辆系统概论（第2版）》
  1000+页自动驾驶全栈教材
• 《自动驾驶技术系列·决策与规划》
  国内最全面的规划算法书
• 《无人驾驶原理与实践》
  完整C++工程代码，从零搭建L4小车
• Probabilistic Robotics
  概率机器人学标准教材，定位与SLAM
• Planning Algorithms
  路径规划领域经典参考书
• Effective Modern C++
  现代C++最佳实践与代码规范
• C++ Concurrency in Action（第2版）
  C++多线程与并发编程实战
• C++ Templates: The Complete Guide（第2版）
  C++模板元编程完整指南
• Multiple View Geometry in Computer Vision（第2版）
  计算机视觉多视图几何标准教材
• Vehicle Dynamics and Control（第2版）
  车辆动力学与控制经典教材
• Autonomous Driving: How the Driverless Revolution will Change the World
  自动驾驶产业全景+技术路线，适合开阔眼界
• Introduction to Autonomous Mobile Robots（第2版）
  移动机器人入门经典，传感器到导航全讲
• State Estimation for Robotics
  卡尔曼滤波、因子图、iSAM现代推导
• Principles of Robot Motion: Theory, Algorithms, and Implementations
  运动规划完整理论体系
• Applied Predictive Control
  自动驾驶里最实用的MPC教材
• Model Predictive Control: Theory and Design
  MPC领域绝对标准教材，控制组必备
• Autonomous Vehicle Technology: A Guide for Policymakers and Planners
  系统架构与模块划分清晰，适合写方案
• Learning OpenCV 4（Vol.1 & Vol.2）
  OpenCV官方书
• Modern Robotics: Mechanics, Planning, and Control
  机械臂+移动机器人现代教材
• The DARPA Urban Challenge
  2007年DARPA冠军队伍技术总结，历史经典
• Deep Learning for Self-driving Car
  深度学习端到端自动驾驶经典，含C++实现思路
• Self-Driving Vehicles and Enabling Technologies
  全书章节免费PDF，含C++嵌入式章节
• Autonomous Driving: Technical, Legal and Social Aspects
  Springer整书Open Access，技术+法规+架构
• Self-Driving Car Using Simulator
  完整C++小车项目+代码，适合直接上手
• Self-Driving Cars: Are We Ready?
  经典产业报告
• Self-Driving Car Autonomous System Overview
  西班牙大学生毕业设计，C++硬件接口实战案例
• Planning Algorithms
  路径规划领域绝对经典，A*/RRT/PRM全有
• Probabilistic Robotics
  概率机器人学圣经，定位/SLAM必读
• Multiple View Geometry in Computer Vision（第2版）
  多视图几何领域标准参考书，视觉SLAM必备
• State Estimation for Robotics
  现代卡尔曼/因子图最清晰教材

论文

• DiffSemanticFusion: Semantic Raster BEV Fusion for Autonomous Driving via Online HD Map Diffusion
  语义光栅+在线HD地图扩散融合

• ImagiDrive: A Unified Imagination-and-Planning Framework for Autonomous Driving
  VLM+世界模型统一想象-规划闭环

• Reinforced Refinement with Self-Aware Expansion for End-to-End Autonomous Driving
  RL+自监督精炼端到端驾驶

• UncAD: Towards Safe End-to-End Autonomous Driving via Online Map Uncertainty
  在线地图不确定性建模

• M3Net: Multimodal Multi-task Learning for 3D Detection, Segmentation, and Occupancy Prediction
  多模态多任务3D感知统一网络

• Bridging Past and Future: End-to-End Autonomous Driving with Historical Prediction and Planning
  历史预测端到端驾驶时空融合

• MPDrive: Improving Spatial Understanding with Marker-Based Prompt Learning for Autonomous Driving
  视觉标记提示学习提升AD-VQA空间理解

• Adaptive Field Effect Planner for Safe Interactive Autonomous Driving on Curved Roads
  动态风险场+改进粒子群规划

• Multi-Agent Autonomous Driving Systems with Large Language Models
  多代理LLM自动驾驶综述

• The Role of World Models in Shaping Autonomous Driving
  世界模型在自动驾驶中的综述

• DiffusionDrive
  截断扩散模型端到端驾驶

• DriveLM: Driving with Graph Visual Question Answering
  基于图结构的VQA驾驶理解方法

• VLM-AD: End-to-End Autonomous Driving through Vision-Language Model Supervision
  视觉语言模型监督端到端驾驶

• World knowledge-enhanced Reasoning Using Instruction-guided Interactor in Autonomous Driving
  世界知识增强指令交互推理

• LaVida Drive: Vision-Text Interaction VLM for Autonomous Driving with Token Selection, Recovery and Enhancement
  视觉文本交互VLM令牌选择恢复增强

• GAIA-1: A Generative World Model
  生成式世界模型

• VADv2
  概率规划端到端框架

• CoVLA: Comprehensive Vision-Language-Action Dataset for Autonomous Driving
  80+小时VLA驾驶数据集

• VLP: Vision Language Planning for Autonomous Driving
  视觉-语言直接规划框架

• SEAL: Towards Safe Autonomous Driving via Skill-Enabled Adversary Learning
  技能启用对抗学习闭环场景生成

• DriVLMe: Enhancing LLM-based Autonomous Driving Agents with Embodied and Social Experiences
  LLM代理具身社交经验增强

• Online Analytic Exemplar-Free Continual Learning with Large Models for Imbalanced Autonomous Driving Task
  在线无样本持续学习不平衡任务

• AnoVox: A Benchmark for Multimodal Anomaly Detection in Autonomous Driving
  多模态异常检测基准

• Co-driver: VLM-based Autonomous Driving Assistant with Human-like Behavior
  VLM人类行为理解复杂路场景

• Towards Collaborative Autonomous Driving: Simulation Platform and End-to-End System
  协作自动驾驶模拟平台端到端系统

• End-to-End Autonomous Driving through V2X Cooperation
  V2X合作端到端驾驶

• AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving
  自动数据引擎物体检测

• Are NeRFs ready for autonomous driving? Towards closing the real-to-simulation gap
  NeRF真实模拟差距闭合

• DriveVLM: The Convergence of Autonomous Driving and Large Vision-Language Models
  自动驾驶视觉语言大模型融合

• Editable Scene Simulation for Autonomous Driving via Collaborative LLM-Agents
  协作LLM代理可编辑场景模拟

• Planning-oriented Autonomous Driving (UniAD)
  规划导向端到端框架

• OpenOccupancy: A Large Scale Benchmark
  大规模Occupancy基准

• DriveAdapter
  感知-规划解耦方案

• NEAT: Neural Attention Fields
  轻量端到端模型

• NeuRAD: Neural Rendering for Autonomous Driving
  神经渲染自动驾驶

• TransFuser
  Transformer多传感器融合端到端方法

• ST-P3
  时空Transformer预测与规划方法

• Efficient Lidar Odometry for Autonomous Driving
  纯激光里程计

• VISTA 2.0
  数据驱动仿真器

• BEVFormer
  BEV空间多相机感知框架

• FAST-LIO2
  紧耦合激光-惯性里程计

• Learning by Cheating
  特权学习+模仿学习结合方案

• CARLA: An Open Urban Driving Simulator
  开源城市驾驶仿真器

• End-to-End Learning for Self-Driving Cars
  端到端自动驾驶早期代表工作

• End-to-End Autonomous Driving: Challenges and Frontiers
  端到端自动驾驶挑战与前沿综述（覆盖270+论文）

• Maps for Autonomous Driving: Full-process Survey and Frontiers
  自动驾驶地图全流程综述与前沿（从HD到隐式地图）

• Efficient and Generalized End-to-End Autonomous Driving System with Latent Deep Reinforcement Learning and Demonstrations
  潜在深度强化学习与示范的通用端到端驾驶系统

• Recent Advancements in End-to-End Autonomous Driving using Deep Learning: A Survey
  深度学习端到端自动驾驶最新进展综述

• Generative AI for Autonomous Driving: Frontiers and Opportunities
  生成式AI在自动驾驶中的前沿与机会综述

• Foundation Models for Autonomous Driving Perception: A Survey Through Core Capabilities
  自动驾驶感知基础模型核心能力综述

• Trajectory Prediction for Autonomous Driving: Progress, Limitations, and Future Directions
  自动驾驶轨迹预测进展、局限与未来方向综述

• Dynamic Benchmarks: Spatial and Temporal Alignment for ADS Performance Evaluation
  动态基准：ADS性能评估的空间时序对齐

• Comparative Safety Performance of Autonomous- and Human Drivers: A Real-World Case Study of the Waymo Driver
  自动与人类驾驶安全性能比较：Waymo真实案例研究

需要更多自动驾驶论文，可以访问以下网站：

• arXiv

• Waymo

• MDPI

• HuggingFace Papers

📊 数据集

• KITTI
  经典的 3D 感知基准，用于 3D 目标检测、跟踪和里程计

• nuScenes
  多模态大规模数据集，专注于全场景 3D 检测与轨迹预测

• Waymo Open Dataset
  业界标注最精细，适用于高精度感知和 LiDAR 处理

• Argoverse 2
  带高清矢量地图，专注轨迹预测、地图融合和驾驶行为分析

• A2D2 (Audi)
  包含 CAN 总线数据，用于语义分割和多模态 3D 标注

• comma2k19
  单目摄像头+真实驾驶CAN数据，最适合端到端驾驶模型

• CARLA Generated Data
  开源仿真器，可自定义天气、地图，无限生成完美同步的多传感器数据

• ApolloScape
  街景图像、LiDAR点云、轨迹数据，覆盖城市交通全方面感知与导航

• Cityscapes
  城市街景视频序列，精细像素级语义分割与实例分割标注

• SemanticKITTI
  KITTI扩展版，含LiDAR点云的语义分割标注，专注3D场景理解

• WoodScape
  鱼眼摄像头图像，环视视图语义分割，适用于停车与低速场景

• Zenseact Open Dataset (ZOD)
  多模态欧洲城市驾驶数据，含帧序列、驱动记录与雷达点云

• NVIDIA Physical AI Autonomous Vehicles
  多传感器全球驾驶数据，覆盖25国2500+城市，专注端到端物理AI

• MAN TruckScenes
  多模态卡车驾驶数据集，覆盖多样条件如恶劣天气与多车道

• Para-Lane
  多车道实时世界数据集，设计用于新型视图合成与端到端驾驶评估

• UniOcc
  占用网格预测与体素流数据集，支持跨域泛化与未来占用预测

• InterHub
  密集多代理交互轨迹数据，源自大规模自然驾驶记录，专注驾驶交互研究

• rounD
  圆环路口路用户轨迹数据集，含6小时视频和13K+用户记录，支持行为预测

• WOMD-Reasoning
  基于Waymo Open Motion Dataset的语言标注，专注交互意图描述与推理

• V2V-QA
  车对车问答数据集，支持端到端协作自动驾驶的LLM方法开发与评估

• DriveBench
  视觉语言模型可靠性基准数据集，含19K帧和20K问答对，覆盖多种驾驶任务

• FutureSightDrive
  时空链式思考数据集，支持视觉驱动的自动驾驶预测与规划

• Adverse Weather Dataset
  恶劣天气多模态数据集，含雪雨雾场景下的12K真实样本与1.5K控制样本

🛠️ 工具链

• ROS 2
  机器人与自动驾驶领域最广泛使用的中间件，支持分布式实时系统

• CyberRT
  Apollo自研的高性能数据通信与调度框架

• CARLA
  基于Unreal Engine的高保真自动驾驶仿真器，支持多传感器与交通流

• LGSVL Simulator / SVL
  原LG开源仿真器，支持Apollo、Autoware等多平台闭环仿真

• NVIDIA DRIVE Sim
  NVIDIA基于Omniverse的企业级自动驾驶仿真平台

• DeepStream SDK
  NVIDIA智能视频分析与多传感器融合流水线框架

• TensorRT
  NVIDIA高性能深度学习推理引擎，专为嵌入式与车载优化

• ONNX Runtime
  微软开源跨平台推理引擎，支持多种硬件加速

• Triton Inference Server
  NVIDIA开源高并发模型部署与推理服务框架

• Bazel
  Google开发的大规模构建与测试工具，Apollo默认构建系统

• Colcon
  ROS 2官方推荐的元构建工具

• Fast-DDS
  eProsima高性能DDS实现，ROS 2默认通信中间件

• Cyclone DDS
  Eclipse基金会高性能DDS实现，广泛用于汽车与机器人领域

• Zenoh
  新一代超低延迟边缘通信协议，已在多家自动驾驶公司验证

• Foxglove Studio
  最流行的自动驾驶与机器人数据可视化与分析工具

• Mcap
  下一代跨平台录制文件格式，取代rosbag

• Lanelet2
  开源高精地图格式与路由库，Autoware默认地图方案

• AUTOSAR Adaptive
  新一代车载自适应软件平台标准，支持动态更新与服务化架构

💻 开源项目

• Apollo
  百度L4全栈自动驾驶平台，支持实车部署

• Autoware
  基于ROS2的开源自动驾驶系统，已在多国道路运行

• openpilot
  comma.ai端到端驾驶系统，已在超过20万辆车上运行

• UniAD
  端到端自动驾驶框架（感知-预测-规划-控制）

• VAD
  端到端自动驾驶模型，支持矢量化轨迹输出

• ST-P3
  基于Transformer的端到端感知-预测-规划一体化模型

• DriveDreamer-2
  基于世界模型的端到端驾驶框架

• CARLA
  基于Unreal Engine的高保真自动驾驶仿真器

• MetaDrive
  轻量级、可生成无限场景的自动驾驶仿真环境

• SUMO
  开源交通流微观仿真器，广泛用于自动驾驶交通场景研究

• AirSim
  微软基于Unreal Engine的自动驾驶与无人机仿真平台

• Webots
  开源机器人仿真器，支持高精度车辆物理模拟

• OpenPCDet
  基于PyTorch的3D点云目标检测工具箱

• MMDetection3D
  OpenMMLab多模态3D目标检测框架

• BEVFusion
  相机+激光雷达多模态BEV融合感知实现

• OpenOccupancy
  官方Occupancy Network实现，支持3D/4D占用预测

• PETRv2
  纯视觉3D目标检测与Occupancy预测

• QCNet
  基于查询的交互式运动预测模型

• HiVT
  基于Transformer的全局交互轨迹预测模型

• PlanT
  支持语言指令与轨迹联合生成的规划模型

• Drive-WM
  基于世界模型的自动驾驶规划框架

• WorldModel-Series
  自动驾驶世界模型系列（DriveDreamer、GAIA-1等）

• Donkey Car
  1:10比例小车完整开源项目

• F1TENTH
  1:10高速自动驾驶赛车平台，全球高校竞赛标准

• JetRacer
  NVIDIA官方Jetson Nano小车平台

📰 相关文章

国外

• Nvidia announces new open AI models and tools for autonomous driving research
  Nvidia发布首个视觉语言动作模型Alpamayo-R1，支持自动驾驶车辆理解文本+图像，实现更精细决策。
• Safe, Routine, Ready: Autonomous driving in five new cities
  Waymo在迈阿密、达拉斯、休斯顿等五城开启完全无人驾驶运营，安全表现超人类11倍。
• When will autonomous vehicles and self-driving cars hit the road?
  世界经济论坛白皮书，详解个人车、Robotaxi、无人卡车三种场景的真实落地时间表。
• 2025’s cutting-edge autonomous driving trends
  HERE Technologies盘点2025年ADAS、高级自动化驾驶与传感器融合最新趋势。
• Is Autonomous Driving Ever Going To Happen?
  Forbes深度分析Robotaxi与L3功能进展，以及安全、法规、公众信任三大障碍。
• Self driving cars: where we really stand in 2025
  2025年自动驾驶真实现状：L2系统普及、城市试点、私有车监管仍遥远。
• Autonomous Vehicle Trends: What's Next for Autonomous Driving?
  L3/L4高速场景、电动化融合，预测到2045年市场规模1740亿美元。
• How AI Is Unlocking Level 4 Autonomous Driving
  Nvidia分享基础模型、神经重建与安全冗余技术如何推动L4区域落地。
• CES 2025: Self-driving cars were everywhere
  CES 2025自动驾驶亮点：Waymo、Zoox、Nvidia、Tier IV等全面展示，Nvidia与Uber合作推动模拟和传感器创新。
• AI Insights Improve Autonomous Vehicles' Decisions
  使用SHAP等可解释AI实时分析自动驾驶决策，提升安全与信任，实时分析AV决策以提升信任和错误识别。
• Robotaxis Are Blazing the Trail for Self-Driving Cars
  武汉、旧金山等城市Robotaxi快速发展，百度与Waymo预计2025年实现盈利。
• Waymo says it will ‘soon begin fully autonomous driving’ in Houston
  Waymo宣布将在休斯顿启动完全无人驾驶服务，在休斯顿、达拉斯等德州城市从监督测试转向完全无人测试，预计明年向公众开放。
• Self-Driving Cars in 2025: Where We Are Right Now According to Ride AI
  Ride AI大会总结：硬件、AI、法规缺一不可。
• Vehicles That Are Almost Self-Driving in 2025
  2025年最接近全自动的量产车型：VW ID.4、Nissan Ariya、Mercedes Drive Pilot等，聚焦半自主功能。
• How GenAI is driving the development of vehicle autonomy
  生成式AI通过合成数据与端到端系统加速L4落地。
• Autonomous Vehicles: Timeline and Roadmap Ahead (WEF 2025 PDF)
  世界经济论坛2025-2035自动驾驶路线图与关键障碍分析（PDF）。
• Must-Read: Top 10 Autonomous Vehicle Trends (2025)
  2025十大趋势：L3-L5扩展、AI深度集成、Nvidia Thor SoC等。
• Autonomous Vehicle Trends Taking Shape in 2025
  高分辨率传感器、数据爆炸与监管加速推动更安全自动驾驶。
• 8 Autonomous Vehicle Trends in 2025
  物联网、AI、车联网、ADAS与网络安全八大创新方向。
• Large Foundation Models for Trajectory Prediction in Autonomous Driving: A Comprehensive Survey
  LLM/MLLM轨迹预测综述：车辆/行人多模态集成，覆盖2023-2025研究。
• A Practical-Driven Framework for Transitioning Drive-by-Wire to Autonomous Driving Systems
  Chrysler Pacifica + Autoware.AI案例：传感器融合与实时挑战解决。
• A Survey on Vision-Language-Action Models for Autonomous Driving
  VLA4AD模型综述（2023-2025）：多模态输入、低级控制与规划输出。
• Autonomous vehicles: The future of automobiles
  AV作为高效城市车辆，汽车制造商应对实施挑战。
• China Autonomous Vehicles Market Report and Companies Analysis 2025-2033
  中国AV市场：Baidu Apollo、Pony.ai Robotaxi，2025-2033增长29.01%。
• L3/L4 Autonomous Driving and Startups Research Report, 2025
  L3/L4初创报告：Pony.ai 2025部署千台Robotaxi，WeRide 2026大规模商用。
• China's AV Push: BIDU, PONY & WRD Lead the Robotaxi Revolution
  中国Robotaxi革命：Baidu Apollo Go 2025 Q2 220万次无人乘车，Pony.ai全球扩展。
• Global and China L3/L4 Autonomous Driving and Startups Research Report, 2025
  全球/中国L3/L4报告：Waymo vs Baidu Apollo/Pony.ai，2025千台部署。
• HOW CHINA IS SHAPING THE AUTONOMOUS DRIVING INDUSTRY
  中国AV塑造：2025 L3大规模生产、L4市场推出，Baidu Apollo全栈解决方案。
• Apollo Go and Pony.ai are trialling self-driving cars in Hong Kong
  香港试运行：Baidu Apollo Go 10城运营，Pony.ai 2025下半年增至1000辆。
• The race begins to make the world’s best self-driving cars
  中美自驾赛：Baidu Apollo Go周25万次乘车，Pony.ai硬件成本远低于Waymo。
• Chinese robotaxis race Waymo to take driverless cars global
  中国Robotaxi全球赛：Baidu/WeRide/Pony.ai项目超美企，进军迪拜/新加坡/德国。
• 2025: Watershed Year for Chinese Autonomous Driving Global Expansion
  中国AV全球突破：Baidu/WeRide/Pony.ai 2025中东/东南亚/欧洲三洲布局。
• Self-Driving Cars Market Size & Share, Growth Trends 2025-2034
  自驾车市场：2025 1.7万亿USD，Waymo/Tesla L4/L5投资AI传感器。
• Tensor Wants to Sell You a Private, Waymo-Style Self-Driving Car
  Tensor Robocar：私人Waymo式L4车，8 Nvidia Thor芯片，2025豪华定价15-20万美元。
• Top 20 Most Advanced Autonomous Driving Chips 2025
  2025顶级AV芯片：Nvidia Thor 2000 TOPS，Tesla FSD HW4，市场150亿USD。
• Self-Driving Cars in the News | NVIDIA Automotive
  Nvidia AV新闻：Hyundai 2025 OTA更新、Jaguar Land Rover大算力合作。
• Tesla vs Waymo - Who is closer to Level 5 Autonomous Driving?
  Tesla vs Waymo：Tesla端到端算法胜，Waymo传感器栈优，2025 L5竞赛。
• Top 5 Self-Driving Car Companies in 2025
  2025顶级5公司：Waymo L4 robotaxi、Tesla FSD Beta、Cruise Chevy Bolt。
• What's Next in 2025: Autonomous Driving, Batteries and Electric Vehicles
  2025展望：Tesla FSD V13无人测试、AI主导、LiDAR无关。
• Autonomous Vehicles Statistics and Facts (2025)
  AV统计：2025 4283亿USD，Waymo/Tesla推进，2030 5800万辆销量。
• Self-driving cars still out of reach despite years of industry promises
  自驾车仍遥远：Waymo 2026底特律扩展、Tesla Austin试点；尽管承诺多年，2025年自驾车仍限于试点。
• Opinion | The Medical Case for Self-Driving Cars
  Waymo发布近1亿英里无人驾驶数据分析，显示其AV严重伤亡事故率比人类低91%，呼吁推广以减少交通死亡。
• Self-Driving Taxis Are Catching On. Are You Ready?
  亚马逊Zoox在旧金山推出免费Robotaxi测试，与Waymo竞争，探讨无人出租车的优缺点与公众准备度。
• Self Drive News - Self-Driving and Autonomous Vehicle News
  自动驾驶最新动态：Gatik Driver入选TIME 2025最佳发明，Uber与Nvidia合作扩展L4网络。
• NVIDIA Makes the World Robotaxi-Ready With Uber Partnership
  Nvidia与Uber合作DRIVE AGX Hyperion 10，推动全球L4 Robotaxi，Stellantis、Lucid加入生态。
• The State of Autonomous Driving in 2025
  2025年全球自动驾驶现状报告：中国9家车企完成L3路测准备，韩国L4认证更新，美国FMVSS豁免扩展。
• Huawei to test L3/L4 autonomous driving on public roads in China first, executive says
  华为将于2025年率先在中国小规模商用L3高速公路驾驶，并启动L4城市街道测试，计划2026年大规模推广。
• Xpeng to achieve L3 autonomous driving in H2 2025, CEO says in internal letter
  小鹏CEO何小鹏内部信：2025下半年实现L3全场景自动驾驶，将推动AI汽车进入“iPhone 4时代”。
• He Xiaopeng: True L3-Level Autonomous Driving Will Be Launched by the End of 2025
  何小鹏：2025年底推出真L3级软件与硬件冗余系统，开启L3智能车十年iPhone 4时代，向L4迈进。
• Vehicle Automatic Driving System Decade Long Trends, Analysis and Forecast 2025-2034
  车辆自动驾驶系统市场报告：2025年达850亿美元，CAGR 18%至2033年，聚焦L1-L4应用与区域分布。
• ADAS and Autonomous Car Research Report 2025
  ADAS与自动驾驶报告：2030年全球90.4%汽车销售将具备L1-L4功能，Mercedes和BMW率先推出L3系统。
• Level 3 Autonomous Vehicle Market Size, Share, Forecast, Report, 2030
  L3自动驾驶市场预测：2025年29.1万辆，至2035年870万辆，CAGR 40.5%，Zeekr 007率先搭载L3-ready系统。
• Gasgoo Daily: Li Auto likely to realize L3 autonomous driving capabilities in 2025
  理想汽车预计2025年通过端到端+VLM系统实现L3能力，DENZA D9 2025款升级智能驾驶功能。
• Autonomous Driving: Level 2+ Could Be Long-Term Middle Ground
  L2+或成长期中转站：美国仅内华达/加州限L3部署，中国端到端发展加速，Ford/GM接近L3。
• The race begins to make the world’s best self-driving cars
  中美自驾赛：Baidu Apollo Go周25万次乘车，Pony.ai硬件成本远低于Waymo。
• Automakers selling cars in China banned from using 'autonomous driving' in ads
  中国禁止汽车制造商在广告中使用“自动驾驶”、“自驾车”等术语，旨在规范ADAS功能宣传，避免误导消费者。
• Meet The Robotaxi Doing 250,000 Rides Per Week That Isn’t Called Waymo
  Apollo Go每周完成25万次无人驾驶行程，计划全球扩展，与Waymo直接竞争。
• Lyft and Baidu in Deal to Use Chinese Driverless Cars in Europe
  Lyft与Baidu合作，在德国和英国部署中国组装的无人驾驶汽车，预计2026年初启动服务。
• Tesla Moves One Step Closer to Self-Driving Cars in China
  Tesla在中国城市街道上启用Autopilot高级功能，支持车道变更等操作，但仍需驾驶员监督。
• China Bans “Autonomous” — So What Should Driverless-ish Cars Be Called?
  中国禁止使用“自动驾驶”和“智能驾驶”等术语，呼吁更准确的ADAS描述以提升安全意识。
• Didi reportedly seeking funds for self-driving unit at $5B valuation
  Didi自动驾驶部门寻求数亿美元融资，估值达50亿美元，计划2025年量产电动Robotaxi。

国内

• 2025年，盘一盘中国智驾的自动驾驶一号位都有谁？
  中国智驾领军人物盘点：理想E2E+VLA、小米端到端、蔚来世界模型等2025趋势。
• 一文看懂2025智能驾驶最新情况与趋势
  2025智驾格局：L4下放、L3商用元年、价格下探至15万、传感器标准化。
• 行业洞察 | 2025 年，“标配智驾” 的时代已经到来？
  2025智驾标配时代：长安北斗天枢2.0、小鹏准L3、岚图华为合作。
• 2025，自动驾驶商业化将迎关键跨越之年
  2025自动驾驶商业化突破：传感器提升、算法优化、法规支持。
• 2025智能化交通与自动驾驶欲往何方
  2025智能交通圆桌：L3准入、城市NOA打磨、车路云一体化。
• 如何评价 CVPR 2025的中稿结果？自动驾驶又该关注哪些方向？
  CVPR 2025自动驾驶论文：扩散模型截断策略、多模态轨迹规划。
• 世界模型会是L3自动驾驶的唯一解吗？2025 技术展望
  世界模型+3D Occupancy：OccWorld框架预测场景演变与车辆运动。
• 2024年自动驾驶行业热点技术盘点
  2024热点回顾：城市NOA、Robotaxi、端到端、纯视觉；2025新技术展望。
• 2025，自动驾驶商业化将迎关键跨越之年
  2025突破：FMCW激光雷达、多传感器融合、Robotaxi千台规模。
• 中国自动驾驶行业发展趋势研究与未来前景预测报告（2025-2032年）
  2025年L3爆发年，北京条例支持L3销售，渗透率预计达65%，华为、小鹏等推进0接管功能。
• 我国自动驾驶行业分析：投融资集中产业链中下游 2025年或是L3“爆发年”
  2024投融资达317亿，2025 L3规模落地，小马智行北京高快速路无人测试。
• 2025智能化交通与自动驾驶欲往何方
  2025智驾标配时代，L3准入启动，城市NOA覆盖百城，销量超百万辆。
• 2025 中国智能驾驶商业化发展白皮书：产业发展趋势与用户需求洞察
  单车智能+车路云协同双路线，端到端架构升级，建议统一事故责任标准。
• 中国自动驾驶行业发展深度分析与投资前景预测报告（2025-2032年）
  2025投融资活跃，全球市场分布预测，欧洲/中国L3/L4投资热点。
• 高阶智驾加速渗透 2025年或成商业化关键拐点
  比亚迪天神之眼覆盖20万以下车型，政策发放1.6万测试牌照，推动智驾平权。
• AI大模型助力 自动驾驶渗透率将加速提升
  理想/小米2025 L3目标，特斯拉FSD入华，NOA销量达500万。
• 2025年的自动驾驶技术有哪些升级？
  从高速到城市NOA演进，端到端+VLA架构，成本降至5000元内。
• 自动驾驶，决定生死？
  2025智驾寒武纪爆发，DeepSeek+车企合作，特斯拉FSD落地中国。
• 中国智驾战力天梯榜（2025年8月）
  2025年8月智驾榜：小鹏/华为/Momenta/理想前四，VLA模型推送，特斯拉FSD逼近L4。
• 中国智驾战力天梯榜（2025年5月）
  2025年5月智驾榜：小鹏蝉联第一，华为安全分领先，Momenta车位到车位场景扩展。
• 跨过百亿元智驾研发门槛，拿下L4？
  端到端量产预测：2025年模块化方案上车，蔚小理/华为跨500亿门槛，数据+算力成核心。
• L3级智驾元年开启，有望成为下一个车企竞争的焦点
  L3元年：比亚迪下放NOA至10-20万级，理想/蔚来/问界渗透率100%，VLA模型跃迁L4。
• L3自动驾驶盘点：技术预研、复杂风险与车企加码
  北京2025条例支持L3上路，华为ADS 4.0首认证，小鹏XNGP 4.0车位到车位覆盖。
• 蔚小理的智驾，学不起
  蔚小理智驾路径：小鹏18月L4目标、理想One Model端到端、蔚来NWM认知驱动，AI变革机遇。
• 新车规划全面曝光！“蔚小理华米”谁是25年最强新势力？
  2025新势力新车：鸿蒙智行十款含尊界S800 L3、理想AI投入、小鹏G6/G9升级纯视觉。

📝算法题

• LeetCode 1. 两数之和
• LeetCode 2. 两数相加
• LeetCode 3. 无重复字符的最长子串
• LeetCode 4. 寻找两个正序数组的中位数
• LeetCode 5. 最长回文子串
• LeetCode 10. 正则表达式匹配
• LeetCode 15. 三数之和
• LeetCode 20. 有效的括号
• LeetCode 21. 合并两个有序链表
• LeetCode 23. 合并 K 个升序链表
• LeetCode 25. K 个一组翻转链表
• LeetCode 33. 搜索旋转排序数组
• LeetCode 41. 缺失的第一个正数
• LeetCode 42. 接雨水
• LeetCode 53. 最大子数组和
• LeetCode 56. 合并区间
• LeetCode 57. 插入区间
• LeetCode 70. 爬楼梯
• LeetCode 72. 编辑距离
• LeetCode 76. 最小覆盖子串
• LeetCode 84. 柱状图中最大的矩形
• LeetCode 85. 最大矩形
• LeetCode 94. 二叉树的中序遍历
• LeetCode 101. 对称二叉树
• LeetCode 102. 二叉树的层序遍历
• LeetCode 104. 二叉树的最大深度
• LeetCode 114. 二叉树展开为链表
• LeetCode 121. 买卖股票的最佳时机
• LeetCode 124. 二叉树中的最大路径和
• LeetCode 128. 最长连续序列
• LeetCode 139. 单词拆分
• LeetCode 141. 环形链表
• LeetCode 146. LRU 缓存
• LeetCode 149. 直线上最多的点数
• LeetCode 152. 乘积最大子数组
• LeetCode 155. 最小栈
• LeetCode 160. 相交链表
• LeetCode 169. 多数元素
• LeetCode 198. 打家劫舍
• LeetCode 200. 岛屿数量
• LeetCode 206. 反转链表
• LeetCode 207. 课程表
• LeetCode 208. 实现 Trie (前缀树)
• LeetCode 215. 数组中的第 K 个最大元素
• LeetCode 221. 最大正方形
• LeetCode 224. 基本计算器
• LeetCode 226. 翻转二叉树
• LeetCode 236. 二叉树的最近公共祖先
• LeetCode 239. 滑动窗口最大值
• LeetCode 240. 搜索二维矩阵 II
• LeetCode 253. 会议室 II
• LeetCode 283. 移动零
• LeetCode 295. 数据流的中位数
• LeetCode 297. 二叉树的序列化与反序列化
• LeetCode 300. 最长递增子序列
• LeetCode 301. 删除无效的括号
• LeetCode 312. 戳气球
• LeetCode 315. 计算右侧小于当前元素的个数
• LeetCode 322. 零钱兑换
• LeetCode 394. 字符串解码
• LeetCode 416. 分割等和子集
• LeetCode 438. 找到字符串中所有字母异位词
• LeetCode 452. 用最少数量的箭引爆气球
• LeetCode 461. 汉明距离
• LeetCode 543. 二叉树的直径
• LeetCode 560. 和为 K 的子数组
• LeetCode 581. 最短无序连续子数组
• LeetCode 621. 任务调度器
• LeetCode 647. 回文子串
• LeetCode 739. 每日温度
• LeetCode 836. 矩形重叠

🎓 面试八股文

感知算法岗位

• 简述点云滤波常用方法（直通滤波、体素滤波、统计滤波）及其适用场景
• 设计一种点云地面分割算法，解决复杂地形问题
• 如何提高点云目标检测精度？描述特征提取和分类器设计流程
• 实现基于KD-Tree的最近邻搜索，计算给定点的k个邻近点
• 实现车道线检测算法（使用OpenCV实现透视变换和霍夫变换）
• 如何解决雨天/雾天摄像头图像质量下降问题？设计多模态融合方案
• 在YOLO模型中，如何设计损失函数提高小目标检测精度？
• 简述BEVDet感知算法原理，包括特征提取、BEV转换和检测头设计
• 设计摄像头与激光雷达的外参标定方案，包括标定板选择和优化方法
• 在多传感器融合系统中，如何处理时间同步问题？对比硬件同步和软件同步方案
• 实现基于卡尔曼滤波的传感器数据融合，融合毫米波雷达和摄像头的目标位置信息

决策规划算法岗位

• 对比Dijkstra、A*、RRT*算法在自动驾驶路径规划中的优缺点和适用场景
• 设计高速公路自动换道决策算法，考虑前后车距离、速度差和安全间隙
• 实现一个轨迹规划器，生成平滑的车辆轨迹（曲率连续），满足车辆动力学约束
• 设计无保护左转决策逻辑，考虑对向来车、行人、交通信号和道路规则
• 在城市道路中，如何处理"鬼探头"（突然出现的行人）情况？设计紧急决策机制
• 实现基于强化学习的决策系统，解决复杂路口通行问题（奖励函数设计、状态表示）
• 设计车辆意图预测模型，基于历史轨迹和周围环境预测其他车辆的行驶意图
• 如何将交通规则（如让行、限速）融入决策系统？设计规则引擎
• 在多智能体场景中，如何处理其他车辆不遵守交通规则的情况？设计鲁棒决策策略
• Hybrid A* 与 Reeds-Shepp 曲线对比，在停车/窄路场景下各自优劣
• Lattice Planner 核心原理，如何生成时空格子并动态规划最优轨迹
• EM Planner 原理详解，如何把规划问题变成带约束的优化问题
• 如何设计一个曲率连续、加速度连续的轨迹？对比五次多项式、B样条、贝塞尔曲线
• 实现基于 Frenet 坐标系的轨迹规划，推导横向/纵向解耦公式
• 如何在规划中加入动态障碍物避障？对比速度障碍VO、动态窗口DWA、MPC避障
• 设计基于二次规划（QP）的实时轨迹优化器，列出所有不等式约束和等式约束
• 如何用最小化 Jerk（三阶导）生成最“舒适”的轨迹？推导代价函数
• 在高速紧急避让场景下，如何快速生成可行轨迹？对比 RRT*、Informed-RRT*、BIT*
• 如何解决非凸障碍物避障导致的局部最优问题？引入凸走廊、IRIS、优化初始化策略
• 实现一个完整的开源规划模块（输入：参考线+障碍物列表，输出：候选轨迹集合）
• 如何在规划中考虑车辆非线性动力学约束？对比线性化MPC vs 非线性MPC（Cvxgen/ACADO/IPOPT）

控制算法岗位

• 建立车辆二自由度动力学模型（自行车模型），推导状态方程和控制输入
• 在车辆转向控制中，如何处理"不足转向"和"过度转向"问题？设计补偿策略
• 推导车辆质心侧偏角、横摆角速度与方向盘转角之间的关系
• 设计基于LQR的车辆横向控制器（车道保持），包括状态选择、权重矩阵设计和离散化实现
• 实现模型预测控制(MPC)解决车辆纵向控制（跟车）问题，考虑执行器延迟和道路坡度
• 如何调整PID控制器参数以适应不同车速和道路条件？设计自适应PID策略
• 设计自动泊车控制系统，实现平行泊车和垂直泊车功能，考虑车位检测和轨迹规划
• 在高速行驶中，如何处理前轮爆胎等紧急情况？设计应急控制策略
• 实现车辆稳定性控制(ESC)，防止侧滑和甩尾，设计基于轮胎力观测的控制算法

系统开发（C++方向）岗位

• 简述C++四大智能指针(shared_ptr/unique_ptr/weak_ptr/auto_ptr)的区别和使用场景
• 实现线程安全的单例模式（C++11以上），考虑双重检查锁定和静态局部变量方案
• 解释RAII（资源获取即初始化）原理，在自动驾驶系统中如何应用？
• 内存对齐如何影响点云处理性能？以Eigen库矩阵为例说明
• 设计高效的障碍物轨迹数据结构，支持实时查询和更新
• 实现一个内存池，管理自动驾驶系统中频繁分配释放的小对象
• 设计自动驾驶感知系统的软件架构，考虑多线程、数据流水线和错误处理
• 如何设计模块化系统，实现感知、决策、控制模块间的低耦合高内聚？
• 在嵌入式平台（如Jetson AGX）上部署深度学习模型，需要做哪些优化？

嵌入式软件岗位

• 解释RTOS（实时操作系统）与普通操作系统的区别，在自动驾驶中为何重要？
• 设计多级中断系统，确保关键任务（如制动控制）的实时性，使用Cortex-M的NVIC优先级分组
• 在多核RTOS中，如何实现任务间通信和同步？对比邮箱、信号量和消息队列方案
• 描述CAN总线帧结构，对比标准帧和扩展帧的区别和适用场景
• 实现CAN总线通信协议，包括ID分配、仲裁机制和错误处理
• 设计基于UDS(统一诊断服务)的车载系统诊断方案，实现故障码读取和清除
• 编写GPIO控制程序，实现车辆灯光、雨刷等外设的控制
• 设计ADC采样程序，读取车辆传感器（如胎压、油温）数据，考虑抗干扰和精度优化
• 在嵌入式系统中，如何处理电源管理？设计低功耗模式和唤醒机制

SLAM与定位算法岗位

• 简述ORB-SLAM2/3系统的工作流程，包括特征提取、跟踪、局部建图和回环检测
• 如何解决视觉SLAM中的尺度漂移问题？对比单目、双目和RGB-D方案
• 在动态场景中，如何检测和剔除运动物体？设计基于光流和语义分割的方法
• 实现LOAM或Lego-LOAM算法的关键点云处理部分，包括特征提取和匹配
• 在激光SLAM中，如何处理点云畸变（如车辆运动引起的）？设计运动补偿方案
• 对比LiDAR-SLAM和视觉-SLAM的优缺点，在自动驾驶中如何融合两者？
• 设计视觉+IMU+RTK+激光雷达的融合定位系统，包括时间同步和外参标定
• 实现基于EKF/UKF的多传感器融合定位，融合GPS、IMU和轮速计数据
• 在城市峡谷和隧道等GPS信号丢失场景，如何保证定位精度？设计辅助定位方案

高精地图岗位

• 设计基于激光雷达点云的高精地图构建流程，包括点云配准、特征提取和地图元素生成
• 如何评估高精地图质量？设计精度、完整性和一致性的评估指标
• 在地图构建中，如何处理动态障碍物（如行驶中的车辆）？设计动态物体过滤和补全方案
• 设计高效的车道级地图数据结构，支持快速查询和更新
• 如何实现高精地图的增量更新？设计差异检测和传输方案，减少带宽消耗
• 在嵌入式设备上，如何优化地图存储和检索？设计分层索引和缓存机制
• 描述高精地图在自动驾驶中的应用场景，如定位、路径规划和决策
• 如何将交通规则（如禁止左转、限速）编码到高精地图中？设计地图语义表示
• 在自动驾驶系统中，如何实现地图与车辆位置的快速匹配（定位）？设计高效搜索算法

测试岗位

• 设计L4级自动驾驶系统的测试用例库，覆盖感知、决策和控制功能
• 如何测试自动驾驶系统在极端天气（暴雨、浓雾、冰雪）下的性能？设计测试场景
• 实现基于场景的测试(Scenario-Based Testing)，测试自动驾驶系统的决策逻辑
• 对比自动驾驶测试中的V（验证）和V（确认）流程，说明各自的目的和方法
• 设计自动驾驶系统的安全测试方案，验证系统在故障情况下的安全降级机制
• 在HIL（硬件在环）测试中，如何模拟传感器和执行器？设计测试平台
• 设计自动驾驶测试的风险矩阵，识别高风险场景并制定测试策略
• 在实车测试中，如何收集和分析数据以优化算法？设计数据采集和分析流程
• 针对自动驾驶系统的"长尾问题"（罕见但危险的场景），如何设计测试用例？

模型部署与优化岗位

• 设计模型量化方案（FP32→FP16→INT8），在保持精度的同时提高推理速度
• 实现模型剪枝，去除冗余参数，减少模型大小，设计剪枝标准和微调策略
• 在模型蒸馏中，如何设计教师模型和学生模型？如何选择蒸馏损失函数？
• 针对自动驾驶感知模型，设计模型并行和数据并行方案，提高多卡推理效率
• 实现ONNX模型到TensorRT的转换和优化，配置合适的工作空间和精度模式
• 在嵌入式平台上，如何优化模型推理性能？对比GPU、NPU和CPU方案
• 设计自动驾驶模型服务架构，支持高并发和低延迟推理
• 在端到端系统中，如何优化数据预处理和后处理流程，减少整体延迟？
• 实现模型的热更新，在不重启服务的情况下更新模型，确保服务连续性

通用八股文

• 进程和线程的核心区别是什么？实际开发中如何选择？
• 进程间通信(IPC)方式有哪些？各自优缺点和适用场景？
• 虚拟内存的工作原理是什么？为什么需要虚拟内存？
• 什么是死锁？产生死锁的四个必要条件是什么？如何避免死锁？
• 用户态和内核态的区别是什么？如何切换？
• OSI七层模型和TCP/IP四层模型的区别和对应关系？
• TCP三次握手的过程是怎样的？为什么需要三次握手？
• TCP如何保证数据的可靠传输？有哪些机制？
• HTTP和HTTPS的区别？HTTPS的工作原理？
• 从输入URL到页面展示的完整过程？
• 冯·诺依曼体系结构的核心思想是什么？
• CPU的组成和工作原理？
• Cache的工作原理？Cache命中率和失效类型？
• 内存对齐的作用？如何影响程序性能？
• DMA技术的原理和作用？为什么能提高IO性能？
• TCP和UDP的区别和适用场景？
• 常见的页面置换算法有哪些？LRU为什么常用？
• HTTP常见状态码及其含义？
• 什么是临界资源和临界区？如何解决临界区问题？
• 总线的分类和作用？数据总线、地址总线、控制总线的区别？

C++

• C++高频面试题

💼 招聘信息

以下公司正在招聘自动驾驶岗位（更新时间：2025.12.06）

• 小米集团 - 投递链接：https://hr.xiaomi.com/campus
• 元戎启行 - 投递链接：https://app.mokahr.com/campus-recruitment/deeproute/145894#/home
• 零跑汽车 - 投递链接：https://leapmotor.zhiye.com/campus
• 地平线 - 投递链接：https://wecruit.hotjob.cn/SU6409ef49bef57c635fd390a6/pb/school.html
• 小马智行 - 投递链接：https://campus.pony.ai/
• 小鹏汽车 - 投递链接：https://xiaopeng.jobs.feishu.cn/campus
• 百度 - 投递链接：https://talent.baidu.com/jobs/
• 比亚迪 - 投递链接：https://job.byd.com
• 轻舟智航 - 投递链接：https://www.qcraft.ai/careers
• 蔚来汽车 - 投递链接：https://nio.jobs.feishu.cn/campus
• 佑驾创新 - 投递链接：https://www.minieye.cc
• 禾赛科技 - 投递链接：https://kwh0jtf778.jobs.feishu.cn/229043
• 经纬恒润 - 投递链接：http://zhaopin.hirain.com
• 柳工 - 投递链接：https://liugong.hotjob.cn/
• 德赛西威 - 投递链接：https://yesv-desaysv.jobs.feishu.cn/index
• 主线科技 - 投递链接：https://app.mokahr.com/social-recruitment/trunk/39504#/
• Momenta - 投递链接：https://momenta.jobs.feishu.cn/talent
• 鉴智机器人 - 投递链接：https://phigentai.jobs.feishu.cn/index
• 奇瑞汽车- 投递链接： https://chery1.zhiye.com/
• 长安汽车- 投递链接：https://changan.zhiye.com/
• 北汽福田- 投递链接：https://futurefoton.zhiye.com/
• 英伟达- 投递链接： https://nvidia.eightfold.ai/careers
• 友道智途- 投递链接：http://www.utopilot.ai/joinus/list-5.html
• 中科创达 - 投递链接：https://www.thundersoft.com/join-us/
• 奔驰- 投递链接：https://career.mercedes-benz.com.cn/recruiting/company/13746/job-list?aj_source=career_website&aj_code=career_website_pc
• 宝马 - 投递链接：https://www.bmwgroup.jobs/cn/en.html
• 滴滴 - 投递链接： https://talent.didiglobal.com/social/list/1

🤝 社区与贡献

非常感谢你对本仓库感兴趣！

这个仓库的目标是收集全球最优秀的 C++ 自动驾驶相关资源，成为 C++ 开发者进入自动驾驶领域的第一站。

无论你是想补充开源项目、修复错误链接、改进分类、添加说明，还是翻译成其他语言，你的每一次贡献都让社区更强大！