商品详情
| 书名： | 自动驾驶汽车环境感知（自动驾驶技术系列丛书） |
| 出版社： | 清华大学出版社 |
| 出版日期 | 2020 |
| ISBN号： | 9787302549765 |
 |
| 近年来，世界主要发达国家均全力支持汽车自动驾驶相关研究。从政府出台政策扶持，到企业投入巨额资金研发，再到高校及研究机构对相关技术的不断探索，推动着自动驾驶技术迅速发展和产业规模不断扩大。与之相对的是自动驾驶技术人才供不应求，企业和研究机构亟须大量专业技术人员。本书系统介绍了自动驾驶汽车环境感知技术。从自动驾驶环境感知概述开始，介绍了车载传感器及传感器标定、计算机视觉与神经网络、环境感知与识别、自动驾驶道路复杂场景语义理解，以及多传感器融合，并通过范例实践验证，可为具备一定基础的人员提供自动驾驶环境感知系统的开发指导。 本书可以作为高等院校车辆工程、交通工程和自动驾驶专业学生的教材，也可供从事自动驾驶汽车相关工作的工程技术人员参考和使用。 |
 |
甄先通，北京航空航天大学电子信息工程学院“卓越百人”副教授。2013年毕业于英国谢菲尔德大学电子电气工程系，获得博士学位。2014至2017年分别在加拿大西安大略大学和美国德州大学-阿灵顿从事博士后研究工作，主要研究方向人工智能，包括计算机视觉、机器学习和医学图像分析。迄今为止发表论文50余篇，包括领域顶级国际期刊如IEEE Transactions on Pattern Analysis and Machine Intelligence (T-PAMI)，IEEE Transactions on Neural Networks and Learning Systems (T-NNLS)，Medical Image Analysis (MedIA)，以及顶级会议如IEEE Conference on Co mputer Vision and Pattern Recognition (CVPR) 和Medical Image Computing and Computer Assisted Intervention (MICCAI)。 |
|
本丛书由北京航空航天大学、百度智能驾驶事业群组和百度技术学院联合编写，系统介绍自动驾驶技术基础理论，构建完整的知识体系，并依托百度Apollo自动驾驶平台具体实现，体现我国自动驾驶技术领域的科研成果和技术应用。 |
|
前言 第1章自动驾驶环境感知概述 1.1自动驾驶环境感知介绍 1.2车载感知系统组成简介
2.1摄像头 2.1.1概述 2.1.2工作原理 2.1.3优缺点 2.1.4摄像头在自动驾驶汽车上的应用 2.2激光雷达 2.2.1概述 2.2.2工作原理 2.2.3优缺点 2.2.4激光雷达在自动驾驶汽车中的应用 2.3毫米波雷达 2.3.1概述 2.3.2工作原理 2.3.3优缺点 2.3.4毫米波雷达在自动驾驶汽车中的应用 2.4超声波雷达 2.4.1概述 2.4.2工作原理 2.4.3优缺点 2.4.4超声波雷达在自动驾驶汽车上的应用 2.5惯性导航 2.5.1概述 2.5.2工作原理 2.5.3优缺点 2.5.4惯性导航在自动驾驶汽车上的应用 2.6本章小结 参考文献
3.1概述 3.2摄像头的标定 3.2.1摄像头内参数标定 3.2.2摄像头间外参的标定 3.3激光雷达的标定 3.3.1激光雷达与激光雷达之间的外参标定 3.3.2激光雷达与摄像机的标定 3.4联合标定实验 3.5本章小结 参考文献
4.1无人驾驶与计算机视觉 4.1.1生物视觉 4.1.2边缘检测 4.1.3图像分割 4.1.4神经网络与深度学习 4.1.5深度学习与传统学习 4.1.6计算机视觉在自动驾驶中的应用 4.2深度前馈网络 4.2.1神经元 4.2.2网络结构 4.2.3深度前馈网络 4.2.4参数学习 4.3卷积神经网络 4.3.1卷积的概念 4.3.2卷积神经网络的性质 4.3.3卷积神经网络基本结构 4.3.4典型卷积神经网络 参考文献
5.1环境感知与识别概述 5.2障碍物检测 5.2.1基于图像的障碍物检测 5.2.2基于激光雷达的障碍物检测 5.2.3基于视觉和激光雷达融合的障碍物检测 5.3车道线检测 5.3.1基于传统计算机视觉的车道线检测 5.3.2基于深度学习的车道线检测 5.3.3基于激光雷达的车道线检测 5.4红绿灯检测 5.4.1基于传统视觉方法的红绿灯检测 5.4.2基于深度学习的红绿灯检测 5.4.3高精地图结合 5.5场景流 5.5.1概述 5.5.2深度估计 5.5.3光流估计 5.6基于V2X的道路环境感知技术 5.6.1V2X技术 5.6.2路侧感知技术 5.7红绿灯检测实验 5.7.1Apollo红绿灯数据集 5.7.2实验流程 5.8本章小结 参考文献
6.1ApolloScape数据集 6.2可行驶区域检测 6.2.1基于传统计算机视觉的可行驶区域检测 6.2.2基于深度学习的可行驶区域检测 6.3复杂场景理解 6.3.1问题分析与应用场景 6.3.2CNN+LSTM实现 6.4动态场景理解 6.4.1多目标跟踪 6.4.2路径实时预测 6.4.3行人手势识别 6.5基于PointNet的点云分类和语义分割实验 6.5.1应用模型介绍 6.5.2实验环境 6.5.3PointNet++代码运行 6.6本章小结 参考文献
7.1概述 7.2多传感器信息融合基础理论 7.2.1多传感器信息融合概述 7.2.2多传感器融合结构 7.2.3多传感器融合算法 7.3多传感器后融合技术 7.3.1Ulm自动驾驶： 模块化的融合方法 7.3.2FOPMOC模型 7.4多传感器前融合技术 7.4.1MV3D 7.4.2AVOD 7.4.3FPointNet 7.5本章小结 参考文献 |
- 清华大学出版社旗舰店 （微信公众号认证）
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
