为你推荐
内容简介
人工智能出版工程丛书编委会
前言
第1章 智能驾驶简介
1.1 智能驾驶的产生与发展
1.1.1 智能驾驶的萌芽
1.1.2 智能驾驶的发展
1.1.3 智能驾驶的未来
1.2 智能驾驶的不确定性
1.3 智能驾驶系统
1.4 智能驾驶技术现状
1.4.1 国外智能驾驶技术现状
1.4.2 国内智能驾驶技术现状
第2章 智能驾驶系统的体系架构
2.1 传感器配置
2.1.1 传感器的分类
2.1.2 传感器比较
2.2 视觉传感器
2.3 雷达传感器
2.3.1 激光雷达
2.3.2 毫米波雷达
2.3.3 超声波雷达
2.4 定位系统
2.4.1 GPS和北斗
2.4.2 差分定位技术
2.4.3 惯性导航系统
2.4.4 姿态感知
2.5 控制系统
2.5.1 车辆底层平台
2.5.2 发动机的控制
2.5.3 转向控制
2.5.4 制动控制
2.5.5 挡位控制
2.5.6 信号控制
第3章 深度学习与智能驾驶
3.1 深度学习概述
3.1.1 智能驾驶感知系统
3.1.2 行人检测
3.2 基于特征描述与分类器的行人检测方法及技术
3.2.1 方向梯度直方图检测方法
3.2.2 基于深度学习模型的行人检测方法
3.2.3 双目摄像头立体匹配检测方法
3.2.4 多传感器融合技术
3.3 端到端的智能驾驶方案
3.3.1 间接感知方案
3.3.2 直接感知方案
3.4 行为反射方案
参考文献
第4章 智能驾驶的环境感知
4.1 概述
4.1.1 可行域检测
4.1.2 目标跟踪技术
4.1.3 半监督学习
4.2 基于协同学习的非结构化道路可行域检测
4.2.1 协同训练简介
4.2.2 增量式支持向量机
4.2.3 直方图反向投影器
4.2.4 在线协同学习
4.2.5 实验结果分析
4.3 基于协同学习的目标跟踪技术
4.3.1 基于半监督学习的视觉目标跟踪概述
4.3.2 基于协同学习的粒子滤波方法
4.3.3 实验结果分析
参考文献
第5章 智能驾驶的融合感知
5.1 多源异构传感器介绍
5.1.1 彩色视觉传感器
5.1.2 三维激光雷达传感器
5.1.3 其他传感器
5.2 视觉传感器的标定
5.2.1 基于Harris算法的角点识别
5.2.2 相机坐标与图像像素坐标的转换
5.2.3 多相机联合标定
5.3 激光雷达传感器的标定
5.3.1 点云数据预处理
5.3.2 基于KD-Tree最近邻空间距离的聚类算法
5.3.3 基于最小二乘法的标定板平面拟合
5.3.4 基于平面最小包围框的标定板识别
5.3.5 多雷达联合标定
5.4 视觉相机-激光雷达联合自动标定
5.4.1 基于重投影法的空间同步标定
5.4.2 基于多线程的时间同步标定
5.5 基于深度学习的视觉雷达融合方法
5.5.1 融合方法概述
5.5.2 雷达稀疏数据的上采样方法
5.5.3 数据集
5.5.4 目标分类
5.5.5 实验结果
5.6 基于分层多视图提案网络的目标检测与识别
5.6.1 激光雷达投影视图
5.6.2 三维点云的聚类
5.6.3 分层多视图提案网络结构
5.6.4 实验及结果分析
第6章 智能驾驶决策
6.1 无人驾驶车辆的智能决策
6.2 驾驶行为选择方法
6.2.1 不同交通环境中的驾驶行为
6.2.2 非结构化交通环境中的驾驶行为选择方法
6.2.3 结构化交通环境中的驾驶行为选择方法
6.3 无人驾驶车辆的路径规划
6.3.1 车辆的路径规划算法
6.3.2 非结构化交通环境中的路径规划方法
6.3.3 结构化交通环境中的路径规划方法
6.4 无人驾驶车辆的速度规划
参考文献
第7章 智能驾驶控制
7.1 车辆的建模方法
7.1.1 车辆的运动学建模
7.1.2 车辆单轨模型的动力学建模
7.1.3 车辆双轨模型的动力学建模
7.2 车辆的跟踪控制
7.3 车辆的避障控制
7.4 车辆的稳定性控制
7.4.1 常规车辆的防翻控制
7.4.2 四轮独立驱动车辆的制动力分配控制
7.5 车辆的其他控制问题
7.5.1 车辆的鲁棒性问题
7.5.2 车辆的特殊问题
参考文献
第8章 智能驾驶的安全性
8.1 智能驾驶的安全问题
8.1.1 安全场
8.1.2 安全熵
8.2 功能安全
8.2.1 功能安全的作用
8.2.2 功能安全架构的分类
8.2.3 功能安全的发展趋势
8.3 信息安全
参考文献
第9章 智能驾驶的未来展望
9.1 智能驾驶的未来发展趋势
9.2 智能网联汽车
9.3 智能驾驶汽车产业化
9.3.1 国家产业政策
9.3.2 地方产业政策
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜