無人駕駛:人工智能如何顛覆汽車

(美)瓊盧克‧高迪奧特 劉少山、李力耘、唐潔

  • 出版商: 機械工業
  • 出版日期: 2018-12-01
  • 定價: $474
  • 售價: 7.9$374
  • 語言: 簡體中文
  • 頁數: 180
  • 裝訂: 平裝
  • ISBN: 7111611179
  • ISBN-13: 9787111611172

立即出貨

買這商品的人也買了...

相關主題

商品描述

《無人駕駛:人工智能如何顛覆汽車》是為從事無人駕駛車輛(智能網聯汽車)開發相關工作人員的入門技術書。作者分享了他們打造無人駕駛車輛系統的實踐經驗。本書由9章組成,第1章概述了無人駕駛系統;第2章著重介紹無人駕駛車輛定位技術;第3章討論了傳統的環境感知技術;第4章討論基於深度學習的環境感知技術;第5章介紹了行為預測和路徑規劃技術;第6章著重介紹運動決策、規劃與控制子系統的反饋控制;第7章介紹基於增強學習的規劃和控制技術;第8章深入研究無人駕駛客戶端系統的設計細節;第9章詳細介紹了無人駕駛雲平臺。

本書對在校學生、研究人員和相關從業人員都大有益處。無論你是本科生還是研究生,只要對無人駕駛感興趣,都可以在這裡找到無人駕駛技術的全面介紹。

目錄大綱

第1 章無人駕駛系統簡介
1.1 無人駕駛技術概述/ 002
1.2 無人駕駛算法/ 002
1.2.1 傳感/ 003
1.2.2 感知/ 004
1.2.3 目標識別與跟蹤/ 006
1.2.4 決策/ 006
1.3 無人駕駛客戶端系統/ 008
1.3􀆰 1 機器人操作系統/ 008
1.3􀆰 2 硬件平臺/ 011
1.4 無人駕駛雲平臺/ 011
1.4.1 仿真模擬/ 011
1.4.2 高精度地圖生成/ 012
1.4.3 深度學習模型訓練/ 013
1.5 一切剛剛開始/ 014
第2 章無人駕駛車輛的定位系統
2.1 採用全球導航衛星系統定位/ 015
2.1.1 GNSS 概述/ 015
2.1.2 GNSS 誤差分析/ 017
2.1.3 星基增強系統/ 018
2.1.4 載波相位差分技術和差分GNSS / 019
2.1.5 精確點定位/ 020
2.1.6 全球定位系統和慣性導航系統的融合/ 022
2.2 採用激光雷達和高精度地圖定位/ 023
2.2.1 激光雷達概述/ 023
2.2.2 高精度地圖概述/ 026
2.2.3 激光雷達和高精度地圖定位/ 030
2.3 視覺里程計/ 034
2.3.1 立體視覺里程計/ 035
2.3.2 單目視覺里程計/ 036
2.3.3 視覺慣性里程計/ 036
2.4 航位推算和輪式里程計/ 038
2.4.1 輪式編碼器/ 038
2.4.2 輪式里程計誤差/ 039
2.4.3 減少輪式里程計誤差/ 040
2.5 多傳感器融合/ 042
2.5.1 卡內基梅隆大學無人駕駛城市挑戰賽車Boss / 042
2.5.2 斯坦福大學無人駕駛城市挑戰賽車Junior / 044
2.5.3 梅賽德斯-奔馳無人駕駛車Bertha / 045
參考文獻/ 047
第3 章無人駕駛的感知系統
3.1 概述/ 051
3.2 數據集/ 052
3.3 目標識別/ 054
3.4 語義分割/ 056
3.5 立體視覺、光流和場景流/ 058
3.5.1 立體視覺與深度信息/ 058
3.5.2 光流/ 059
3.5.3 場景流/ 059
3.6 目標跟蹤/ 061
3.7 總結/ 063
參考文獻/ 064
第4 章深度學習在無人駕駛感知系統中的應用
4.1 卷積神經網絡/ 068
4.2 目標檢測/ 069
4.3 語義分割/ 072
4.4 立體視覺和光流/ 075
4.4.1 立體視覺/ 075
4.4.2 光流/ 076
4.5 總結/ 079
參考文獻/ 080
第5 章預測與路徑規劃
5.1 規劃與控制模塊概覽/ 082
5.1.1 架構: 廣義上的規劃與控制/ 082
5.1.2 各個模塊的範圍:以模塊的方式解決問題/ 084
5.2 交通預測/ 087
5.2.1 將行為預測作為分類問題/ 088
5.2.2 車輛軌跡生成/ 093
5.3 車道級的路徑規劃/ 094
5.3.1 為路徑規劃創建權重有向圖/ 096
5.3.2 典型的路徑規劃算法/ 098
5.3.3 規劃圖損失: 強弱路徑規劃/ 102
5.4 總結/ 103
參考文獻/ 103
第6 章決策、規劃和控制
6.1 行為決策/ 105
6.1.1 馬爾可夫決策過程方法/ 107
6.1.2 基於場景的分治法/ 109
6.2 運動規劃/ 116
6.2.1 車輛模型、道路模型、SL 坐標系/ 118
6.2.2 劃分為路徑規劃和速度規劃的運動規劃/ 119
6.2.3 劃分為縱向規劃和橫向規劃的運動規劃/ 126
6.3 反饋控制/ 130
6.3.1 自行車模型/ 130
6.3.2 PID 控制/ 132
6􀆰 4 總結/ 133
參考文獻/ 134
第7 章基於增強學習的規劃和控制
7.1 概述/ 136
7.2 增強學習/ 138
7.2.1 Q⁃學習/ 140
7.2.2 ACTOR⁃CRITIC 方法/ 144
7.3 無人駕駛中基於學習的規劃和控制/ 146
7.3.1 行為決策中的增強學習/ 147
7.3􀆰.2 基於增強學習的規劃和控制/ 147
7.4 總結/ 150
參考文獻/ 150
第8 章無人駕駛客戶端系統
8.1 無人駕駛系統: 一個複雜的系統/ 152
8.2 無人駕駛的操作系統/ 154
8.2.1 ROS 綜述/ 154
8.2.2 系統可靠性/ 156
8.2.3 性能優化/ 157
8.2.4 資源管理與安全性/ 157
8.3 計算平臺/ 158
8.3.1 計算平臺的實現/ 158
8.3.2 現有的計算解決方案/ 159
8.3.3 計算機體系結構設計的探索/ 160
參考文獻/ 164
第9 章無人駕駛雲平臺
9.1 概述/ 165
9.2 基礎架構/ 166
9.2.1 分布式計算框架/ 167
9.2.2 分布式存儲/ 167
9.2.3 異構計算/ 168
9.3 仿真模擬/ 170
9.3.1 BinPipeRDD / 171
9.3.2 連接ROS 與Spark 引擎/ 172
9.3􀆰 3 性能表現/ 173
9.4 模型訓練/ 173
9.4.1 為什麼使用S