自動駕駛是未來的「硬趨勢」，這次的開源報報策展整理了小編看到的 5 個與自動駕駛相關的開源專案，也許你可以從這些開源專案中發現自動駕駛的「軟趨勢」
Contents
openpilot – 駕駛輔助系統
Openpilot 是一個開源的駕駛輔助系統。 目前，針對越來越多的汽車品牌、型號和車型年份，openpilot 提供了自適應行駛控制(ACC)、自動車道定位(ALC)、前向碰撞警告(FCW)和車道偏離警告(LDW)等功能。 此外，當 openpilot 啟動時，一個基於攝像頭的駕駛員監控(DM)功能會提醒分心和睡著的駕駛員。
自動駕駛研究的開源模擬器
Carla 是一個用於自動駕駛研究的開源模擬器。 Carla 已經從基礎發展到支援自動駕駛系統的開發、培訓和驗證。 除了開原始碼和通訊協定，CARLA 還提供了為此目的建立的開放數位資產(城市佈局、建築物、交通工具) ，並且可以自由使用。 該模擬平台支援感測器元件和環境條件的靈活規範。
在電子遊戲中學習駕駛的深層神經網路
在電子遊戲中學習駕駛的有監督的深層神經網路。 這個專案的主要目標是實現一個模型，可以驅動俠盜獵車手 v。 這個模型並不是按照交通規則駕駛，而是模仿人類在這個遊戲中的駕駛方式: 在城市中全速行駛，避開其他車輛，偶爾也避開人類和燈柱。 遊戲地圖中將設定一個標記，模型應該能夠到達標記開車穿越的城市。
基於 Unreal Engine / Unity 開發的自動駕駛汽車開源模擬器，來自微軟 AI & Research
Airsim 是一個用於無人機、汽車和更多東西的模擬器，建立在虛幻(Unreal)引擎(現在也有一個試驗性的 Unity 版本)上。 它是開源的，跨平台的，並支援hardware-in-loop 與流行的飛行控制器，如 PX4的實體和視覺逼真的模擬。 它是作為一個 Unreal 外掛開發的，可以簡單地放到任何 Unreal 環境中。 類似地，我們有一個 Unity 外掛的實驗版本。
我們的目標是將 AirSim 開發成一個人工智慧研究平台，用於自動駕駛汽車的深度學習、電腦視覺和強化學習演算法的實驗。 為此，AirSim 還公開 APIs，以獨立於平台的方式檢索資料和控制車輛。
讓電腦程式去自動駕駛遊戲中的賽車( GTA 5 : 俠盜獵車手 )
這位開發者使用 Python + OpenCV ( 抓取電腦遊戲的畫面來分析 ) + Deep Learning ( 使用 TensorFlow ) 讓電腦程式去自動駕駛遊戲中的賽車( GTA 5 : 俠盜獵車手 ) ，他將完整的開發過程寫了下來