首先你老闆得給你足夠的時間讓你從頭研究這個，而且還得有其它部門配合；之後才是自己的問題，數學物理基礎、悟性、耐性缺一不可，如果沒有人替你實現，你還得懂寫程式。

會用KF、會用PID就是懂了？我不這麼認為。面試的時候見了許多調了十幾年KF、調了十幾年PID的人，也只是會調參、背公式而已。理論是基礎，但理論不能幫你把飛控做得比開源專案好。從某一方面開始、到全面超越開源專案，這裡面需要的時間、財力、人力支援和信任不是一般老闆會給的，要首先想清楚這個。

你可以瞭解一下市面上哪些公司用了全自主開發的飛控演算法，開發的過程是怎樣的。而且這些都比開源飛控的效能好，功能更個性化，等你真的做好了，裡面的原因你都會懂。

如果決定要做，那就把需要的模組實現，一個互補/卡爾曼濾波+一個PID。之後哪裡需要最佳化就最佳化，哪裡需要加功能就加功能，不知道怎麼做就查資料、問人、學習、琢磨，邏輯混亂就上狀態機、重構程式碼。

中間你會覺得效能不好瓶頸在控制，就改控制；不安全在邏輯，就改邏輯。

當你融會貫通，把各種不同的控制理論的思想都糅合在PID裡，不需要模擬給個引數就能飛穩，控制就掌握了。

當你深信有些場合飛不好的時候是因為資訊量（感測器）太少，掙扎已經沒有意義，應該去加感測器，狀態估計就做好了。

最後你會發現控制其實挺好做的，難點都在於狀態估計。對於一個產品來說，以目前廉價感測器的資料，想在任何場景下都做好定位，簡直是不可能。實驗室裡發paper那些出了實驗室都是扯淡的。所以你又花了大量的時間在感測器演算法、SLAM演算法、軟體重構上，然後變成了感測器演算法工程師、影象演算法工程師、程式架構師，甚至投身於感測器設計、電機設計blabla，變成一個全能工程師。飛控演算法工程師可能就是曾經的title了。

方法論：理論 + 實踐；世界觀：路漫漫兮其修遠兮，吾將上下而求索！無人駕駛技術簡介

首先，我們對無人駕駛汽車做個定義，無人駕駛汽車是指透過車載感測系統得到本車位置，同時感知道路、車輛等周圍環境，自動規劃行駛路線，自動控制車輛的驅動速度、轉向和制動，能主動對障礙物進行避障，最終控制車輛到達目的地的智慧汽車。在此基礎上衍生的V2V、排程管理系統、人機互動系統等技術，這裡不予考慮。

根據無人駕駛汽車的功能模組，可將無人駕駛的關鍵技術分為：定位導航技術、環境感知技術、規劃決策技術和自動控制技術。演算法是每個模組的核心，至於要求有多高就是仁者見仁智者見智了。

包括定位技術和導航技術。定位技術可以分為相對定位（如陀螺儀、里程計）、絕對定位（如GPS）和組合定位。導航技術可以分為基於地圖的導航和不基於地圖的導航（如慣性導航），其中高精度地圖在無人駕駛的導航中有著關鍵作用。

透過多種感測器對車輛周圍的環境資訊進行感知。感知資訊不僅包括了車輛自身狀態資訊，如車輛速度、轉向角度、位置資訊等，還包括周圍的環境資訊，如道路位置、道路方向、障礙物位置和速度、交通標誌等。常用的感測器包括攝像頭、鐳射雷達、超聲波雷達、GPS、陀螺儀等等。其中最主要的兩種感測器就是攝像頭和鐳射雷達。

相當於智慧車的大腦，它透過綜合分析環境感知系統提供的資訊，對當前的車輛行為進行規劃（速度規劃、避障區域性路徑規劃等），併產生相應的決策（跟車、換道、停車等）。規劃技術還需要考慮車輛的機械特性、動力學特性、運動學特性，並給出合理的決策策略。常用的決策技術有專家控制、隱馬爾科夫模型、貝葉斯網路、模糊邏輯等。根據決策技術的不同，控制系統可分為反射式、反應式和綜合式。

無人駕駛汽車的執行系統主要包括轉向、驅動和制動三個系統。三個控制系統對控制的精確性、平順性、響應延時等效能要求有著不同的側重點。其中，轉向控制主要是對轉向電機的控制，根據控制目標的不同，可分為角度閉環控制和力矩閉環控制。驅動控制實現對車輛加速、勻速、減速的控制。制動控制根據制動場景的不同又可分為正常的制動控制和緊急制動控制。

因此，我們可以看到無人駕駛技術不是一個單點技術，而是集定位導航、計算機視覺、雷達、人工智慧、專家控制、自動控制和電機控制等眾多技術於一體的產物。

想成為一名無人駕駛演算法工程師，建議先從其中感興趣的一個功能模組入手，一精多專，還要了解整個無人駕駛技術的框架，才是一名合格無人駕駛演算法工程師。