文章目录
- 前言
-
-
- 一、汇总总览
- 二、分平台详细信息
-
- （一）合成数据类平台
-
- [1. Carla](#1. Carla)
- [2. AirSim](#2. AirSim)
- [3. Udacity self-driving-car-sim](#3. Udacity self-driving-car-sim)
- （二）真实数据回放类平台
-
- [4. Apollo](#4. Apollo)
- [5. Autoware](#5. Autoware)
-
前言
若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力！有问题请私信或联系邮箱：funian.gm@gmail.com
自动驾驶开源仿真平台汇总将按平台类别重新梳理，清晰区分核心功能、个人体验与关键资源，方便快速定位所需信息。
一、汇总总览
本次整理的5个平台，按技术逻辑分为两类，覆盖从算法初步开发到性能测试的全流程需求：
- 合成数据类：模拟环境、感知及车辆，侧重图像层面感知，用于算法初步开发，包括 Carla、AirSim、Udacity self-driving-car-sim。
- 真实数据回放类：基于真实传感器数据（图像、lidar、radar等），用于信息融合算法及部件性能测试，包括 Apollo、Autoware。
二、分平台详细信息
（一）合成数据类平台
1. Carla
- 介绍：由英特尔实验室、丰田研究院、巴塞罗那计算机视觉中心联合发布，用于城市自动驾驶系统的开发、训练与验证。支持灵活配置传感模式和环境条件，提供免费开源数字资源（城市布局、建筑、车辆），可评估传统模块化流水线、端到端模仿学习、端到端强化学习三种自动驾驶方法。
- 项目概况
- 项目地址：CARLA Simulator
- 在线文档：CARLA Documentation
- 介绍视频：YouTube - 《CARLA: An Open Urban Driving Simulator》
- 论文地址：CARLA: An Open Urban Driving Simulator（可直接下载PDF）
2. AirSim
- 介绍：微软开源的跨平台模拟器，基于虚幻引擎开发，支持无人机及自主移动设备。具备高还原虚拟环境（模拟阴影、反射等干扰因素），支持硬件在循环与流行飞行控制器的物理/视觉仿真；可作为AI研究平台，提供平台独立API，用于检索数据和控制车辆，测试深度学习、计算机视觉及强化学习算法。
- 项目概况
- 项目地址：Welcome to AirSim
- 相关教程：Tutorials
- 介绍视频：YouTube - 《Cars in AirSim》
- 论文地址：AirSim: High-Fidelity Visual and Physical Simulation for Autonomous Vehicles
3. Udacity self-driving-car-sim
- 介绍：Udacity开源的自动驾驶模拟器，基于Unity技术，支持载入内置场景或创建自定义虚拟测试路线。主要用于其无人驾驶工程师纳米学位课程，教授如何用深度学习训练自动驾驶汽车，算法架构参考NVIDIA端到端学习论文。
- 项目概况
- 项目地址：Welcome to Udacity's Self-Driving Car Simulator
- 课程项目：行为克隆（Behaviorial Cloning Project）
- 相关教程：Unity Simulator User Instructions
- 网上作品：YouTube - 《Behavioral Cloning - neural network clones human driving》
- 参考论文：End to End Learning for Self-Driving Cars
（二）真实数据回放类平台
4. Apollo
- 介绍：百度开源的自动驾驶平台，具备支持完全自动驾驶功能的高性能灵活架构，国内知名度高，生态完善。
- 项目概况
5. Autoware
- 介绍：用于城市自主驾驶的开源平台，界面科技感强，功能覆盖全面，支持从定位、感知到控制的全流程自动驾驶需求。
- 核心功能：3D本地化、3D映射、路径规划/跟随、加速/制动/转向控制、数据记录、多目标检测（汽车/行人/物体）、交通信号/灯识别、车道检测、对象跟踪、传感器校准/融合、云地图、连接自动化、智能手机导航、软件仿真、虚拟现实。
- 项目概况
- 项目地址：Autoware
- 在线文档：Autoware-Manuals
- 视频教程：Instruction Videos
- 路测Demo：《Tier IV self-driving on urban public roads (as of Feb 2017)》
- 论文地址：An Open Approach to Autonomous Vehicles