智能駕駛與機器視覺

楊聰隋偉

出版商: 機械工業
出版日期: 2024-09-18
定價: $600
售價: 8.5 折 $510
語言: 簡體中文
ISBN: 7111759680
ISBN-13: 9787111759683
相關分類: Computer Vision

下單後立即進貨 (約4週~6週)

商品描述

機器視覺作為智能駕駛核心技術，承載了各類路面元素的感知功能，是智能汽車規控（路徑規劃與車輛控制）的核心信息來源。而在智能駕駛的研發過程中，視覺（包含雷達）感知的精度與效率是智能駕駛落地及量產的控制性工程，直接決定了智能駕駛汽車的安全性與用戶體驗，其重要程度不言而喻。本書涵蓋了面向智能駕駛的機器視覺關鍵技術，包括標定、數據、場景、任務、算法、優化等量產一線的全棧知識。除攝像頭外，其他傳感器及感知技術也有涉及，包括激光雷達、毫米波雷達以及超聲波傳感器。在此基礎上，本書還介紹了各類感知融合技術。為了讓讀者更加系統性地學習上述感知技術，本書介紹了智能駕駛的關鍵硬件基礎、關鍵算法基礎，以及關鍵數據基礎。最後，本書還涵蓋了智能駕駛目標發展現狀及趨勢，對於企業及高校從事智駕研發人員來說，可以作為很好的借鑒及選題參考。本書主要面向高校計算機學院、汽車學院，以及車企等與智能駕駛相關的研究人員、開發人員以及學生等。本書既可以用於智能駕駛的入門級教材，也可用於智能駕駛開發的參考工具書。

作者簡介

楊聰，2010年畢業於東北師範大學軟件工程專業，後進入中科院深圳先進技術研究院聯合培養研究生，方向為機器學習及雲計算。2012年提前一年碩士畢業，同時獲得教育部留學基金委資助，公派前往德國錫根大學（University of Siegen）攻讀博士學位，師從Marcin Grzegorzek教授，研究方向為計算機視覺。2016年博士畢業，隨後在法國國家信息與自動化研究所（INRIA）進行博士後研究，師從Marie-Odile Berger教授，方向集中於計算機視覺並涉及多個學科的交叉。2017年末回國，擔任擴博智能（Clobotics）算法團隊負責人。2019年加入地平線機器人，擔任南京人工智能高等研究院高級研究員、圖像算法團隊負責人等職位。楊聰博士先後在TVCG, ECCV, PR等國內外知名期刊或會議發表學術論文近40篇，專利二十多個。楊聰博士帶領座艙算法團隊深度參與了地平線征程2芯片在長安UNI-T的落地與量產。

目錄大綱

前言
第1章　智能駕駛概述
1.1　智能駕駛簡介
1.2　智能駕駛分類
1.3　智能駕駛現狀
1.3.1　乘用車
1.3.2　貨車
1.3.3　出租車
1.3.4　無人小車
1.3.5　公交車
1.3.6　類汽車智能駕
1.4　智能駕駛與機器視覺
1.4.1　視覺感知
1.4.2　視覺定位
練習題
第2章　智能駕駛場景
2.1　高速場景
2.2　城區場景
2.3　泊車場景
2.4　園區場景
2.5　其他場景
2.5.1　地外場景
2.5.2　農用場景
2.5.3　室內場景
練習題
第3章　關鍵硬件基礎
3.1　整體架構
3.2　視覺傳感器
3.2.1　攝像頭類型
3.2.2　攝像頭布局
3.2.3　攝像頭標定
3.3　其他傳感器
3.3.1　激光雷達
3.3.2　毫米波雷達
3.3.3　超聲波傳感器
3.4　計算平台
3.4.1　芯片制造
3.4.2　AI芯片
3.4.3　片上系統（SoC）
3.4.4　域控制器（DCU）
3.4.5　計算平台示例
練習題
第4章　關鍵算法基礎
4.1　深度學習
4.1.1　卷積神經網絡
4.1.2　卷積層
4.1.3　激活函數
4.1.4　池化層
4.1.5　全連接層
4.1.6　批量歸一化層
4.1.7　損失函數
4.1.8　模型訓練
4.1.9　模型壓縮
4.2　視覺感知
4.2.1　分類
4.2.2　檢測
4.2.3　分割
4.2.4　深度估計
4.2.5　高程估計
4.2.6　關鍵點
4.2.7　OCR
4.2.8　其他
4.3　視覺定位
4.3.1　特征提取
4.3.2　特征匹配
4.3.3　光流跟蹤
4.3.4　非線性優化
4.3.5　多傳感器融合
4.4　框架與工具鏈
4.4.1　算法框架
4.4.2　算法工具鏈
練習題
第5章　關鍵數據基礎
5.1　數據采集
5.1.1　采集平台
5.1.2　采集規範
5.1.3　數據挖掘
5.1.4　常用公開數據集
5.2　數據標注
5.2.1　標注平台
5.2.2　2D標注
5.2.3　2.5D 標注
5.2.4　4D標注
5.2.5　數據標注文檔
5.2.6　標注體系建設
5.3　數據仿真
5.3.1　數據仿真技術
5.3.2　業界案例介紹
5.4　數據閉環
5.4.1　數據閉環技術
5.4.2　業界案例介紹
練習題
第6章　視覺感知任務
6.1　場景識別
6.2　靜態感知
6.2.1　角點檢測
6.2.2　路面坑洞檢測
6.2.3　道路邊沿檢測
6.2.4　燈牌檢測
6.2.5　可行駛區域檢測
6.2.6　豎桿檢測
6.2.7　減速帶檢測
6.2.8　施工區域檢測
6.2.9　停車位檢測
6.2.10　光源檢測
6.3　動態感知
6.4　地面標識感知
6.4.1　地面標識
6.4.2　停止線/斑馬線檢測
6.4.3　車道線檢測
6.5　通用檢測
6.5.1　一般障礙物檢測
6.5.2　通用物體感知
6.5.3　高程
6.6　預測與規劃
6.6.1　軌跡預測
6.6.2　軌跡規劃
練習題
第7章　視覺感知算法
7.1　目標分類
7.2　目標檢測
7.3　深度估計
7.4　語義分割
7.5　車道線
7.6　BEV感知
7.7　占用網絡
7.8　高程網絡
7.9　雷達感知
7.10　軌跡預測
7.11　視覺多任務
練習題
第8章　視覺建圖與定位
8.1　視覺建圖
8.1.1　高精建圖
8.1.2　眾包建圖
8.1.3　重感知輕地圖
8.2　視覺定位
8.2.1　基於地圖的定位
8.2.2　輕地圖中的定位
8.3　業界案例
8.3.1　行車場景
8.3.2　泊車場景
練習題
第9章　視覺與多傳感器融合
9.1　融合感知
9.2　前中後分類
9.2.1　前融合
9.2.2　中融合
9.2.3　後融合
9.3　強弱分類
9.3.1　強融合
9.3.2　弱融合
9.4　其他融合方法
練習題
第10章　未來發展趨勢
10.1　市場發展趨勢
10.2　技術發展趨勢
10.2.1　電子電氣架構
10.2.2　計算芯片
10.2.3　算法
10.3　生態發展趨勢
練習題
附錄　術語與符號列表
參考文獻