传统车辆工程研究生以后希望从事无人驾驶相关工作，如何努力？

点击上方“小白学视觉”，选择加"星标"或“置顶”

     
     

      
      

       
       
        
        

         重磅干货，第一时间送达 
         
         
        
        
      
      
     
     

本文仅作为学术分享，如有侵权，联系删文，原文链接

https://www.zhihu.com/question/400336056/answer/1290606915?

选导师时没有选上无人驾驶方向的老师，但是还是很希望能从事此方面工作，请大佬们出出主意，自学无人驾驶方面的知识可以吗？

Zhou Longfei

看到楼上很多负面劝退的回答，不免恻隐，给你一些个人分析和正面建议。

首先，你选择无人驾驶的朦胧感觉是对的。无人驾驶这个产业明显是新兴的大产业，这才是年轻人应该去掘金冒险的行业。这个行业虽然也有近10年，还没有哪家公司真正把商业模式打通，还没有垄断巨头。如果你从现在开始积累，10年后如果产业成熟，你即便是普通的早入行者，也不会亏。男怕选错行，这是真理。行业发展机会带来的风口远大于个人努力。

第二，你应该从哪个具体方向切入手。其实这个问题的答案本身就藏在第一点分析里了。无人驾驶既然是一个大产业，那就需要大量的产业链技术人员，你只要切入一个相关点，就算入行了。接下来，我先授你以渔，再授你以鱼。渔是，你可以花一个月时间去了解业内知名无人驾驶公司的招聘岗位和技能要求，去看无人驾驶相关的公众号和新闻报道，并从中分析无人驾驶的关键热门技术的依赖项！对，我给你的打鱼第一条原则是，去研究热门技术的依赖项，而不是热门技术方向。第二条原则是，不要进入有很多高校开设了专业的方向，而是选择产业有需求但是高校研究并不多的方向，这样能避开大量竞争。鱼就是，AI在无人驾驶的环境感知中很火，那么你不要去搞CV和图像处理，但是你可以去搞radar和超声波的AI研究；如果你觉得lidar的深度学习很有意思，你可以去搞激光点云的自动标注研究；如果你觉得神经网络很重要，你可以去搞神经网络的部署研究，比如模型压缩和小型化和在芯片、硬件上的并行高效实现，去精通CUDA编程。如果你觉得地图和定位很重要，你应该避开GPS和imu融合这样的点，可以去研究构图的众包，研究地图数据的回传和OTA，研究离线地图和传感器感知的结果如何融合以及在两者发生冲突时如何仲裁。如果你觉得无人驾驶总是不那么让人放心，你可以去研究功能安全，研究mobileye的RSS模型，研究安全评估，研究怎样评估自动驾驶做出的决策是可信的，研究怎么判断无人驾驶发生车祸时到底是对方车辆的原因还是自车的无人驾驶出错导致的。

你看，我列了一堆业内至今没有很好解决的技术困境，如果你在其中某一方向有所建树和个人心得，你的未来就业绝对不是问题。当然，还有更多的仿真、测试、数据平台、传感器标定同步、人机交互等等等其他方向的技术难题，由于我本人的知识所限，没有列举。无人驾驶是个新产业，还远远没到发生人才内卷的时候，只是在你是个外行，还不够了解行业内情的时候，注意力才只会关注热闹外表、而不是技术困境对应的技术点。从研究本身来说，解决真实需求的技术研究都是有价值的，特别是那些针对极其困难的需求的研究。

王方浩

很多人大学毕业之前都不知道自己将来会从事什么工作，包括我。我当时就读的是电子信息工程，同期比较火爆的专业还有生物工程。但实际上最后我并没有从事电子工程师的工作，生物工程现在也沦为了劝退专业之一。

换句话说，当今社会你只要没有从事计算机专业，那么就会被认为是失败。因为这10年无疑是互联网蓬勃发展的黄金时期，大量早期选择矿业、环境等专业的人转过去做互联网，都很好的占到了第一波红利。所以大家觉得是做互联网成就了自己，要是做其它的，同样的经历，指不定混成啥样子，这就是所谓选择行业的不公平。

什么是对的选择？

那么再回到题主这个问题，为什么觉得做无人驾驶就一定要算法超群，30岁之前不混出个头来就是失败呢？站在功利的角度说，人都需要吃饭，工作做不好，那么连饭都可能吃不上。但站在题主的角度分析，现在还只是读研阶段，按照正常的逻辑，只要你真是上课认真，写论文实习都很勤奋，加上你能够一开始就想到自己将来要从事什么样的工作，我觉得你一定会找到一份满意的工作。

如何选择？

至于做不做无人驾驶，无非是担心这个行业现在还很小众，毕竟现在无人驾驶落地困难，很多创业公司都可能随时倒闭。在进入自动驾驶公司之后，又担心自己的发展问题，以后上升空间足不足，能够做到什么程度？下面我针对这2个问题进行展开。

要从事自动驾驶吗？

首先看下普通人是否可以从事自动驾驶相关的工作。在无人驾驶领域我也只是一个小菜鸟，指点江山，激扬文字就谈不上了。其实我早就思考过这个问题“为什么现在无人驾驶领域大家都非常崇拜算法呢？”根据我个人的理解，可能是因为目前无人驾驶还不太成熟，当大家都不知道怎么做的时候，算法的作用就体现出来了。类比到做题，当你不知道一道题该怎么做的时候，你会去找人请教，或者去网络上搜索解法，当你找到某一个方法论，告诉你这类问题都可以通过这个理论去解决的时候，你就觉得还是发明算法的人厉害。

以我个人举例子，当我看到自动驾驶模块的各种算法时，觉得自己真是孤陋寡闻，之前想都没有想到，自己也不可能想到这个问题的解。我才知道必须要通过某一些方法论去做自动驾驶，首先我想到的是去查论文，去了解最新的方法。通过这点我也对之后未来的工作趋势做一个判断，以后工作会越来越精英化，因为随着人类社会工业的进步，工作需要的理论知识越来越多，也就是说只有少数掌握了核心能力，并且经过长期训练的人才容易出成绩，如果掌握的专业知识不足，可能只是去实现它，也就显得不那么重要了，这也是为什么现在博士越来越吃香的原因。

当然我觉得现在让某个人单独创造出一套理论，比如数论，卡尔曼滤波之类的定理来解决自动驾驶中的问题，我觉得可能有点太强人所难。我更倾向于科学家去解决这类问题，然后由自动驾驶工程师引入某个定理来解决这一类问题。所以我并没有觉得自动驾驶遥不可及，也没有觉得计算机视觉晦涩难懂。

拿Apollo中的算法实现举例子，许多算法可能20年前就提出来了，至今仍然是最佳实践，也就是说你不用太着急自己知识的缺乏，实际上你只要理解好现有的算法就可以很好的胜任工作了。

既然解决了担心是否能够从事自动驾驶的问题，那么我们在谈下行业的发展。

至今，自动驾驶和电动汽车已经被车企确认为是未来的趋势了，所以方向上来说肯定没有什么大问题，只是目前自动驾驶落地和盈利确实还很困难，但是无疑目前基本所有的车企都在布局这块，我觉得对你来说有二点优势。

1.目前还在读研，等到2年之后，自动驾驶的局势可能比现在更加明朗，到时候再做选择一点也不迟

2.本身从事车辆工程，如果你确实准备从事汽车行业，做不了自动驾驶，学到的技术也可以用到辅助驾驶，横竖都用的上，没有走什么弯路

在此，给出一点浅薄的建议是，如果以后确实从事汽车相关的专业，我倒是非常建议学习下自动驾驶相关的内容，即使后面咱不从事自动驾驶，还可以去做辅助驾驶，而且汽车行业的2大趋势是自动驾驶和电动车。

上升空间足不足？

大家都知道做新行业的机会多，Facebook首席运营官谢丽尔·桑德伯格当初选择加入google的时候就是被那句“如果有人给你一个火箭上的座位，別问位子在哪里，上火箭就对了。”吸引过去的，虽然我也很欣赏这句话，但往往有的时候现实并没有那么理想，可能公司创业失败之后，你还不如之前按部就班的工作。总的来说新行业的机会确实更多，但不要天真的以为有机会就代表着成功，有可能也会面临失败的风险。任何行业都是如此，只是传统行业的风险会小一点，刚加入一家企业的时候做什么都是对，等到工作几年，那么着实就会面临晋升和发展风险，工作年限越长，别人对你的要求就越多。

无人驾驶是一个新行业，我相信一定会衍生出新的就业机会和伟大的公司，至于个人投身之前，一定考虑好，是否准备好了去尝试一下。

如何准备

确定好了大方向，下面接下来谈谈如何准备，结合题主个人的情况我的建议如下：

1.准备无人驾驶方面的知识，这部分知识都可以从开源代码、论文、网络等获取，同时也参加一些线下活动，了解行业动态，最后确认在某一个方向上集中努力。知识永远是高科技行业的核心竞争力。

2.准备实习，既然导师不是做这个方向的，那么比较切实可行的方法就是去无人驾驶公司实习，如果能去到心仪的公司实习那更好了，一是可以接触到真实的无人驾驶环境，二是方便以后进入无人驾驶行业。

工作之后，需要做的事情就更多了，一是做好项目，二是积累知识，还要学会沟通，保持激情，至于以后怎么样，就交给时间吧，谁也无法预料将来会发生什么，做好当下就已经很不错了。

最后以《阿甘正传》中的一句话结尾“人生就像一盒巧克力，你永远不知道下一块是什么味道”

    
    

     下载1：OpenCV-Contrib扩展模块中文版教程
     
     

    
    
    
    

     在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
    
    
    
    

     
     

    
    
    
    

     下载2：Python视觉实战项目52讲
    
    
    
    

     在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
    
    
    
    

     
     

    
    
    
    

     下载3：OpenCV实战项目20讲
    
    
    
    

     在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
    
    
    
    

     
     

    
    
交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~