自動駕駛系統開發

黃浴、楊子江

自動駕駛系統開發 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-05-01
  • 定價: $816
  • 售價: 8.5 折 $694
  • 語言: 簡體中文
  • ISBN: 7302658609
  • ISBN-13: 9787302658603
  • 相關分類: 自駕車

    • 下單後立即進貨 (約4週~6週)

  • 自動駕駛系統開發-preview-1
  • 自動駕駛系統開發-preview-2
  • 自動駕駛系統開發-preview-3
自動駕駛系統開發-preview-1

相關主題

商品描述

本書系統地介紹當今自動駕駛領域前沿的技術理論，從自動駕駛的背景知識開始，對軟硬件平臺、感知、地圖、定位、規劃決策、控制、模擬和安全等方面展開深入討論，並介紹自動泊車系統和車聯網技術的應用。 全書共15章： 第1章是自動駕駛系統的概述(開發結構、場景分類和數據閉環等)； 第2章簡要介紹自動駕駛的基礎理論，即電腦視覺和深度學習等； 第3、4章是自動駕駛的軟硬件平臺分析，包括傳感器、計算平臺、軟件架構和操作系統等； 第5~9章分別介紹自動駕駛的感知、地圖、定位、規劃和控制模塊； 第10章重點介紹自動駕駛的模擬模擬模塊； 第11章討論自動駕駛的安全模型； 第12章討論自動駕駛的一個特例——自動泊車系統； 第13章介紹車聯網技術(車路協同和車輛編隊)； 第14、15章分別介紹最近自動駕駛相關的兩個技術熱點，即3D場景的神經渲染(以NeRF為主)和擴散模型的內容生成。 本書適合有一定基礎的讀者閱讀，如具備在電腦視覺和機器學習(甚至深度學習)方面的理論基礎和實踐經驗。本書提供大量自動駕駛前沿技術的第一手資料，涉及開發自動駕駛的多方面。希望本書能夠啟發和觸動自動駕駛一線的開發人員，在遇到問題和困難時開闊思路並發現解決問題的方法。

目錄大綱

目錄

前言

第1章自動駕駛系統概論

1．1自動駕駛的分級

1．2模塊化開發結構

1．3端到端開發結構

1．4自動駕駛場景

1．5數據閉環

1．6小結

參考文獻

第2章自動駕駛的基礎理論

2．1電腦視覺

2．1．1電腦視覺底層

2．1．2電腦視覺中層

2．1．3電腦視覺高層

2．2圖像處理

2．2．1圖像信號處理器

2．2．2圖像濾波

2．2．3圖像增強

2．3優化理論

2．4機器學習

2．4．1支持向量機

2．4．2隨機森林

2．5深度學習

2．5．1捲積神經網絡

2．5．2生成對抗網絡

2．5．3遞歸神經網絡

2．5．4Transformer網絡

2．6神經網絡模型壓縮和加速

2．6．1參數修剪和共享

2．6．2低秩分解

2．6．3轉移/緻密捲積濾波器

2．6．4知識蒸餾

2．6．5MobileNets

2．7小結

參考文獻

第3章自動駕駛的硬件平臺

3．1傳感器

3．1．1攝像頭

3．1．2激光雷達

3．1．3毫米波雷達

3．1．4超聲波雷達

3．1．5慣導

3．1．6GPS

3．1．7車聯網

3．2車體控制

3．2．1VCU/ECU/MCU/HCU

3．2．2CAN總線

3．2．3ESP

3．2．4EPS

3．3計算平臺

3．3．1NVIDIA Drive AGX Xavier和Orin

3．3．2Mobileye的EQx

3．3．3TI公司的TDA4VM

3．3．4Qualcomm公司的驍龍Ride

3．4線控底盤

3．5電子電氣架構

3．6小結

參考文獻

第4章自動駕駛的軟件平臺

4．1AUTOSAR

4．2軟件開發V模型

4．3aSPICE軟件開發流程

4．4ISO 26262軟件開發流程

4．5NVIDIA DriveWorks 軟件平臺

4．6車載操作系統

4．6．1ROS

4．6．2QNX

4．6．3BOSCH冰羚

4．6．4DORA

4．7自動駕駛雲平臺

4．7．1開源分佈式深度學習框架

4．7．2自動駕駛雲的實例架構

4．8DevOps和MLOps

4．9小結

參考文獻

第5章自動駕駛的感知模塊

5．1傳感器標定

5．1．1攝像頭標定

5．1．2激光雷達標定

5．1．3手眼標定

5．1．4攝像頭GPS/IMU標定

5．1．5激光雷達攝像頭標定

5．1．6攝像頭雷達標定

5．1．7激光雷達IMU標定

5．2單目視覺的障礙物測距

5．3單目視覺的深度圖估計

5．3．1傳統方法

5．3．2深度學習方法

5．4單目視覺的3D障礙物檢測

5．5障礙物跟蹤

5．5．1單目標

5．5．2多目標

5．5．3基於深度學習的目標跟蹤

5．6傳感器融合

5．6．1數據級

5．6．2任務級

5．7車道線檢測

5．8交通標志檢測識別

5．9交通信號燈檢測識別

5．10可駕駛區域分割

5．11雙目視覺感知

5．11．1立體匹配

5．11．2雙目在線標定

5．11．3雙目視覺感知系統

5．11．4深度學習的雙目視差估計

5．12人體姿態估計

5．13駕駛人監控系統

5．14BEV的視覺感知系統

5．14．1基於單應變換的BEV

5．14．2基於深度的BEV

5．14．3基於MLP的BEV

5．14．4基於Transformer的BEV

5．14．5BEV框架的擴展

5．14．6BEV存在的問題

5．15小結

參考文獻

第6章自動駕駛的高清地圖

6．1高清地圖

6．2語義地圖

6．3基於車道線的高清地圖

6．4基於深度學習的SLAM方法

6．5小結

參考文獻

第7章自動駕駛的定位模塊

7．1基於車道線地圖的定位

7.2基於激光雷達的定位

7．2．1正態分佈變換定位

7．2．2粒子濾波定位

7．2．3直方圖濾波器定位

7．3基於傳感器融合的定位

7．4基於深度學習的定位方法

7．5小結

參考文獻

第8章自動駕駛的規劃模塊

8．1基本規劃理論

8．1．1Frenet坐標系

8．1．2EM規劃器

8．2駕駛行為模型和預測

8．2．1駕駛行為預測

8．2．2駕駛行為學習

8．3行人行為模型和預測

8．4駕駛行為克隆

8．5小結

參考文獻

第9章自動駕駛的控制模塊

9．1車輛的運動學和動力學模型

9．2傳統控制算法

9．2．1經典PID控制

9．2．2LQR控制

9．2．3模型預測控制

9．3路徑和軌跡穩定的控制方法

9．3．1路徑穩定的控制

9．3．2軌跡穩定的控制

9．4基於深度學習的車輛控制

9．4．1端到端的自動駕駛控制

9．4．2基於機器學習的運動控制

9．5小結

參考文獻

第10章自動駕駛的模擬模擬模塊

10．1傳感器

10．1．1攝像頭

10．1．2激光雷達

10．1．3毫米波雷達

10．1．4其他傳感器

10．2交通模型

10．3車輛和行人模型

10．4數據可視化模型

10．4．1XVIZ

10．4．2streetscape．gl

10．5道路網絡模擬

10．5．1道路與環境建模

10．5．2可定製的道具和標志

10．5．3功能性道路網絡

10．6場景庫的建設和自動駕駛測試

10．6．1場景定義

10．6．2模擬測試方法分類

10．6．3場景庫建設

10．6．4場景描述語言OpenSCENARIO

10．7基於數字孿生的安全緊要場景泛化

10．8小結

參考文獻

第11章安全模型

11．1基本概念

11．2NHTSA

11．3ISO 26262

11．4ISO/PAS 21448 SOTIF

11．5Intel Mobileye RSS安全模型

11．6網絡安全

11．7自動駕駛系統的安全解決方案

11．8自動駕駛的V&V技術

11．9小結

參考文獻

第12章自動和自主泊車

12．1自動泊車系統的基本介紹

12．2環視視覺系統標定

12．3魚眼攝像頭的感知系統

12．4泊車位檢測

12．5泊車的運動規劃

12．6泊車中的傳感器融合

12．7自動代客泊車

12．8泊車場的語義地圖和定位

12．9自動泊車的深度學習規劃技術

12．10小結

參考文獻

第13章車聯網

13．1智能網聯汽車

13．2車載網絡與社交物聯網

13．3邊緣計算

13．4車輛路端的協同技術

13．5自動駕駛的協同感知

13．6編組車隊的協同規劃和控制

13．7小結

參考文獻

第14章神經渲染技術

14．1原始NeRF

14．2NeRF的加速方法

14．2．1AutoInt

14．2．2PlenOctree

14．2．3Plenoxel

14．3動態場景的渲染

14．4NeRF重打光技術

14．5NeRF的泛化技術

14．5．1GRAF

14．5．2GIRAFFE

14．6質量改進的技術

14．6．1MipNeRF

14．6．2NeRFinthedark

14．7小結

參考文獻

第15章擴散模型

15．1基於分數生成網絡

15．2去噪擴散概率模型

15．3DDIM

15．4SDE

15.5圖像/視頻合成

15．5．1圖像

15．5．2視頻

15．5．3新視圖合成

15．6圖像圖像翻譯

15．7文本圖像/視頻的合成

15．8擴散模型的改進

15．9小結

參考文獻

附錄

類似商品