为你推荐
前折页
书名页
版权
前言
第1章 传感器技术详解与应用
1.1 车载摄像头
1.1.1 摄像头的硬件组成
1.1.2 车载摄像头的分类
1.1.3 车载摄像头的性能要求
1.1.4 车载摄像头的应用场景
1.2 激光雷达
1.2.1 探测采用的方法
1.2.2 组成、硬件参数与应用场景
1.3 毫米波雷达
1.3.1 硬件结构
1.3.2 信号处理流程
1.3.3 FMCW雷达的工作原理
1.3.4 毫米波雷达的应用
1.4 超声波雷达
1.4.1 测距原理
1.4.2 二维测距与空间定位
1.4.3 安装与应用
第2章 相机与图像
2.1 针孔相机模型
2.2 畸变模型
2.3 鱼眼相机模型
2.4 双目相机模型
第3章 3D目标检测
3.1 单目测距算法
3.1.1 相机坐标系与世界坐标系
3.1.2 几何线索测距
3.2 单目3D检测算法的原理与实现
3.2.1 SMOKE算法
3.2.2 MonoFlex算法
3.2.3 MonoDETR算法
3.3 基于点云的3D目标检测算法的原理与实现
3.3.1 PointPillars算法
3.3.2 CenterPoint算法
第4章 融合感知：时间同步和标定
4.1 多传感器时间同步
4.1.1 时间同步的核心技术
4.1.2 时间同步的主流方案
4.2 摄像头标定
4.2.1 摄像头内参标定
4.2.2 摄像头外参标定
4.2.3 摄像头在线标定
4.3 多传感器联合标定
4.3.1 激光雷达与摄像头联合标定
4.3.2 激光雷达与IMU联合标定
第5章 后融合感知方案
5.1 卡尔曼滤波算法
5.2 图论基本概念与匈牙利算法
5.2.1 图论基本概念
5.2.2 匈牙利算法
5.2.3 改进的匈牙利算法：KM算法和MKM算法
5.2.4 Apollo的MKM算法实现
5.3 后融合策略
5.3.1 无记忆策略和有记忆策略
5.3.2 循环周期策略和触发式策略
5.4 基于Apollo的后融合感知方案
5.4.1 数据对齐
5.4.2 数据关联
5.4.3 轨迹更新
5.4.4 特征融合
第6章 BEV融合感知
6.1 BEV感知算法的处理流程
6.2 基于几何视图变换的方法
6.2.1 LSS算法的原理与实现
6.2.2 BEVDet算法的原理与实现
6.2.3 BEVDet4D算法的原理
6.3 基于网络变换的方法
6.3.1 DETR3D算法的原理与实现
6.3.2 Sparse4D v1算法的原理与实现
6.3.3 BEVFormer算法的原理与实现
第7章 BEV感知算法的工程化落地
7.1 开源数据集介绍
7.2 TensorRT应用
7.3 BEVDet4D实战
7.3.1 BEVDet4D模型训练
7.3.2 BEVDet4D的TensorRT部署
后折页
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
购物车
个人中心
