1.微信公众号
自动驾驶（汽车）类
智车科技 | 从学术界转载较多，眼光总体不错
厚势 | 关注自动驾驶市场新闻，穿插有跟自动驾驶各方面相关的论文，与智车科技有相似之处
智东西 | 我平常很少看这个公众号，但他们做了一系列很棒的公开课，可在里面找到资源
Apollo开发者社区 | 有Apollo项目的教程推送
泡泡机器人SLAM | 关注SLAM领域的研究
计算机视觉Life | 主要是围绕视觉的知识，从这点来看，它类似泡泡机器人，但更杂一些
点云PCL | 如名字所述，主要是关于激光雷达LIDAR点云处理的内容
机器视觉 | 排版有待提升，内容丰富接地气，包含各种有关机器视觉学习的讨论
睿慕课 | 有比较多机器人相关的课程
新智驾 | 偏重于自动驾驶市场新闻
高工智能汽车 | 偏重于自动驾驶市场新闻
自动驾驶说 | 偏重于自动驾驶产品设计，大概是因为负责运营者是一位产品经理
佐思汽车研究 | 偶尔会有内容质量比较高的咨询报告放出
同济智能汽车研究所 | 主要内容是论文翻译，翻译质量还算可以保证
2.人工智能类
新智元 | 包含人工智能的市场信息，基础知识，论文研读均有涉猎
量子位 | 定位与新智元基本相似
机器之心 | 更偏重于研究前沿，学习资源，这是质量最高的一个人工智能公众号
七月在线实验室 | 偏向于人工智能学习资源以及开源收集和，同时关注具体的就业面试问题
SIGAI | 提供的推文内容是比较踏实的
3.编程类
五分钟学算法 | 我最喜欢的算法公众号，作者是真正有思考和总结的，总结的很好，思考也深入
labulalong | 风格跟上面的五分钟学算法差不多
花花酱LeetCode | 如名字所述，一个总结LeetCode题目的网站
LintCode领扣 | 如名所示
程序员乔戈里 | 很少涉及具体知识了，但讲了一些其他公众号很少讲的大实话
4.其他
36氪 | 关注世界动态
CVer | 内容较多但是有可取之处
5.书本
《The DARPA Urban Challenge》 | 看自动驾驶相关论文时，发现他们的文献综述大多都在讲DARPA，应该都是取自这本书的各种论文。这本书由参与2009城市DARPA挑战赛的队伍所写论文集合而成，相当于创世纪著作了。在新技术层出不穷的当下，这本书也依然非常有价值。
《第一本无人驾驶书》 | 作为入门是很好的书，覆盖了自动驾驶研究领域的方方面面，深度虽不足，但广度足够，可以阅读此书以获得一个总体认识。
《HandBook of Intelligent Vehicles》 | 如你所见，这是一本手册，不可能阅读完的，近乎1700页的论文合集，主要由几个section组成，每个section关注自动驾驶汽车的一个方面，像是《第一本无人驾驶书》的全面增强版。
《Probabilistic Robotics 概率机器人》 | 机器人领域的经典著作，SLAM研究的经典与权威
《2017中国自动驾驶产业研究报告》 | 准确来说，这是一篇研究报告，对当前国内外自动驾驶市场做了一个非常细致的研究，对把握当前大局很有用处。
《无人驾驶车辆智能行为及其测试与评价》 | 一本偏向于自动驾驶测试的书，属于这个细分领域内比较好的科普书。
与计算机和控制以及动力学相关的书籍在这边不专门列出，感兴趣的可以联系我再做讨论
自动驾驶相关学术会议
这是论文的入口了，日常最新文章和学术资源可以在这里寻找。
6.机器人领域
IFRR RSS | 文章理论创新性，实验验证完备性要求都很高
IROS | 规模（千人左右）和影响力仅次于ICRA的顶级国际会议
ICRA | 该领域规模（千人以上）和影响力最大的顶级国际会议。
7.计算机视觉领域
CVPR | 世界顶级的计算机视觉会议，被认为有着很强的影响力和很高的排名
ICCV | 文录用率非常低，是三大会议中公认级别最高的 (另外两个是CVPR和ECCV)
ECCV | 三大顶会之一
8.自动驾驶领域
IEEE IV | 总感觉质量稍微差了那么一点意思
ITSC | IEEE智能交通系统学会的年度旗舰会议，偏向于交通场景的研究
ICEVS
9.人工智能会议
AAAI
IJCAI
10.仿真/开发平台
10.1 商业仿真平台
ROS 不多说
Prescan 在国内的商业化做的是最好的
VTD(virtual test drive) 在世界层面想多更受欢迎一些
GaiA 初创公司做的仿真软件，在传感器建模方面表现良好
51VR 以视觉起价，因而环境建模有自己的独到之处
Panosim 邓主导的平台，具体效果就不太清楚了
10.2 开源仿真平台
Carla 更新迭代快，功能齐全，接口丰富。偶尔还有控制人的肢体动作这样令人惊喜的功能。它是最能满足基本开发者需求的仿真软件。
Arisim 是github上标星数目最多的开源仿真软件，和Carla一样，它也是基于Unreal做的。由于是微软开发的软件，所以对windows的支持力度更大一些。它的star数目自然是有理由的，丰富详细的文档，足够使用的API，稳定的性能表现。唯一令人遗憾的是，它已经停止了更新，不会再前进了。
Apollo Apollo 的仿真平台主要是面向决策规划系统的，它有预置的场景，开发者可以更换apollo算法中的特定模块，再结合场景完成仿真，从而达到评价系统效果的功用。
lgsvl 一个基于Unity的自动驾驶仿真器，我曾经写过一篇Unity自动驾驶仿真,现在来看，这个模拟器是它的集大成者。另外，这个模拟器还提供对Apollo5.0、Apollo3.5、Autoware的支持，这是它最大的优势。它连接仿真器和被测算法的方式也是我们可以学习的。另外，lg在开发软件之前，曾在ROS的官方论坛区提出过一个“你理想中的仿真器应该有怎样的功能”这样一个问题，下面的讨论热烈且深入。这是一个很有心的软件。
11 编程能力
语言
语言学习有一点很重要，其一是一边看书一边实际敲代码，另外就是要实际动手项目，而不是一直在语法上打转，那样就是陷入陷阱中了。关于语言学习，可以参考孟岩的博客。除了这些，其他实际入门时，可参考如下参考资料。另外，在学习语言时，由浅到深，稳扎稳打，不用给自己设限。想真正精通一门语言需要好多年，不要只学了一些基础语法就停滞不前了。 - C++，从《essential C++》读起，之后借助各方大佬的博客，对于细节查询可以去看《C++ Primer Plus ++》，当然这是我的个人路线，网上关于C++学习有很多好的方案。 - Python，确实比较容易，在掌握基本语法后，主要是去看基于Python提供各种的库、模块、框架，这一块才是重点。另外，要好好利用Python的优势，关于这一点，可以去看《写好Python代码的91个建议》,另外，要写出Pythonic的代码，可参考《Python Cookbook》 - Java，包括go，php等其他各种语言，不要畏惧语言。除了C++工程师，对于其他大部分人来说，语言是我们的工具，是我们使用语言实现想法，完成工程的实现，而不是他们使用我们。
算法和数据结构
这部分的学习资源，重质不重量，求精不求多，我这里只是示例性的列出了精品资源的一部分，这部分的学习也是近乎于无穷无尽的，还有很多进阶之路。但入门的话，可以考虑先把这两个搞定。 - 算法。斯坦福的算法第四讲，是最好的算法学习资源。书本、教程、视频、习题一应俱全。书本里在讲解算法时都用到了易学的配图，这一系列教程采用的语言是java，学习起来相对较简单，且在学习这门语言的过程中可以掌握面向对象编程的精髓。具体介绍，请参考算法第四版 - 数据结构。清华邓俊辉数据结构。一个资源足够了。
系统
想要做开发还是要使用Linux系统，原因不再赘述。Ubuntu作为Linux一个发行版相对其他版本上手会更容易些，资源整理如下表。 - 关于Ubuntu，以前的博客做过一些资源整理，参见Ubuntu学习整理 - 鸟哥的Linux私房菜。语言风趣，例子丰富，基础知识和扩展知识(服务器)都有涉及，优先推荐 - Linux菜鸟教程。以实际使用为教程原则，不绕弯，直击本质。
计算机网络
《TCP/IP网络编程》
刷题
刷题可以在短期内提高代码能力。可参考 - Leetcode - 牛客网 - 剑指offer - zh_hans
数学知识
线性代数(矩阵论)，参照本博客，《线性代数学习》
高等数学(微积分),只需要掌握基础内容即可，youtube上的3blue1brown是非常不错的。
统计学。使用《统计学习方法--李航》密码：adep
优化相关(凸优化)。当然就是斯坦福的凸优化，但是这块儿内容不建议直接学，可以在用到时候再进行学习。
