理工酷

首先称赞一下，能早早有自己的想法，并且开始自学。

智能汽车其实涵盖了很多的方向，我暂时能想到的有：

1. 测量。主要涉及各种传感器的原理，标定，使用，以及初步的信号处理。常见的传感器有毫米波雷达，激光雷达，单目摄像头，双目摄像头等。
2. 感知。主要涉及的是机器视觉和计算机视觉。目的是从传感器信号中获取有价值的信息。典型的例子就是从激光雷达的点云里找出周围的车辆。有很多CV的小伙伴就耕耘在这个领域里。
3. 定位。确定车辆位置和姿态。你说的SLAM就是一个例子。搞高精度地图的也可以归到这个方向。
4. 多传感器融合。融合不同的传感器信息，获得互补的，更稳健的信息。单独拿出来说，是因为融合的方式比较多样，难以笼统的归类到上述三条的任意一个中去。
5. 决策。指根据已有环境和自身车辆的信息，确定正确的行为。在这里集中了很多折腾马尔可夫链，决策树，强化学习的小伙伴。
6. 控制。负责把决策转化为行动。基本就是传统的控制论那一套，具体运用到了汽车上。另外这个领域需要你熟知车辆的动力学特性以及舒适型需求，以免设计出来的控制策略过于刺激。
7. 通信。车内部大量的传感器，控制器，执行器都需要通信。在未来车和车之间，车和交通管制中心之间很可能也要通信。在这个领域你会接触到各种总线技术（比如CAN）以及标准（比如Autosar）。ROS大概也可以算到这个领域里。
8. 有人认为智能制造也算智能汽车的一环。我觉得这种分类是胡来。见仁见智了。

以上的任何一个方向都足够读个博士出来。自学“智能汽车”在我看来很容易找不到方向，出现“什么都学了点皮毛，然后就学不进去”的困境。我并不推荐在本科期间就深入某个领域（大佬除外哈，大佬无所畏惧），有些事读研读博的时候做更合适。

我的建议是：

1. 打好本科基础。比如你要搞SLAM，需要大量的线性代数运算。搞决策，需要概率论和优化理论。搞控制，需要控制论和汽车动力学。搞传感器和通信，需要信号处理。另外，本科成绩刷高点，也方便你保研出国嘛。
2. 掌握一门编程语言。MATLAB，Python，C++都行。不要贪多，一门熟练之后学别的都快。了解最基本的数据结构和算法。最重要的是：养成好的编程习惯，比如使用git，写注释文档，写单元测试，使用debug工具，用搜索引擎查找问题，阅读源码。
3. 学会使用任何一个Linux发行版（建议Ubuntu）。随便装个虚拟机耍两天不算哈。要学会在Linux环境下配置开发环境，编写程序。
4. 用项目驱动学习。你们学校应该有各种学生车队可以加入，真刀真枪做一个项目，收获远远大于闭门造车。learn by doing嘛。去企业实习或者去教授的课题组搬砖也有类似的效果。
5. 切忌盲目冒进。说实话你现在自学的东西有点庞杂了。比如SLAM（我猜你搞的visual SLAM吧）这种硬核问题，我建议你掌握好机器视觉、线性代数、概率论和运动学之后再慢慢啃。
6. 读研读博吧。学校给本科生开智能驾驶方向，在我看来噱头大于实质。

本回答来自知乎-波尔德的回答，作者的个人主页，已获作者授权。