智能汽車感知總論

唐小林 楊凱 楊為

智能汽車感知總論

相關主題

商品描述

本書圍繞智能駕駛環境感知技術展開，系統介紹了智能駕駛環境感知系統的基本架構、車載傳感器技術、目標檢測與分割方法、惡劣天氣條件下的目標檢測方法，以及感知不確定性量化與風險傳播等內容，旨在為智能駕駛環境感知技術的學習研究與應用提供系統參考。

全書首先從智能駕駛技術發展背景出發，闡述環境感知系統在智能駕駛車輛中的作用及其基本組成；隨後介紹攝像頭、激光雷達、毫米波雷達、超聲波傳感器及組合定位等典型車載傳感器的工作原理、傳感器模型和應用特點。在此基礎上，本書以目標檢測任務為主線，系統介紹目標檢測與分割的任務定義、評價指標、典型數據集，以及卷積神經網絡、Transformer、Mamba等基礎網絡架構，並進一步討論2D目標檢測、3D目標檢測、多模態融合目標檢測、語義分割、實例分割和占用柵格等典型感知任務。本書分析了惡劣天氣（雨、霧、雪等）對傳感器性能的影響，並探討了目標檢測模型在惡劣天氣環境下面臨的數據分布偏移與魯棒性挑戰，介紹了低質量圖像目標檢測模型、圖像修覆與目標檢測級聯式模型，以及圖像修覆與目標檢測聯合式模型等典型技術路線。此外，本書還討論了目標檢測模型在車載部署中面臨的實時性與精度平衡問題，並介紹了感知不確定性量化及風險傳播方法。

作者簡介

唐小林，國家高層次人才特聘教授，重慶大學博士生導師。長期從事智能網聯新能源汽車方面研究。主持國家自然科學基金5項，省部級及企業項目20餘項，擔任IEEE TVT、IEEE TTE、CJME等期刊編委。牽頭獲得重慶市自然科學一等獎等多項獎勵，獲評重慶市學術技術帶頭人等榮譽稱號。
作者研究團隊依托於重慶大學高端裝備機械傳動全國重點實驗室、國家“2011計劃”重慶自主品牌汽車協同創新中心等國家級研究平臺，深度聚焦國家智能汽車發展戰略，致力於構建理論、技術與產業應用緊密結合的創新體系，為我國未來智能交通發展提供核心技術支撐。

目錄大綱

前 言
第1 章
智能駕駛感知技術概述
1. 1　引言/ 001
1. 2　智能駕駛技術發展現狀/ 003
1. 3　智能駕駛環境感知系統發展現狀/ 004
1. 4　智能駕駛環境感知系統簡介/ 006
1. 5　小結/ 008
參考文獻/ 008
第2 章
常用車載傳感器
2. 1　引言/ 009
2. 2　攝像頭/ 009
2. 2. 1　基本結構與工作原理/ 009
2. 2. 2　傳感器模型/ 011
2. 2. 3　攝像頭在智能駕駛中的應用/ 017
2. 3　激光雷達/ 018
2. 3. 1　基本結構與工作原理/ 018
2. 3. 2　傳感器模型/ 019
2. 3. 3　激光雷達在智能駕駛中的應用/ 020
2. 4　毫米波雷達/ 021
2. 4. 1　基本結構與工作原理/ 021
2. 4. 2　傳感器模型/ 023
2. 4. 3　毫米波雷達在智能駕駛中的應用/ 025
2. 5　超聲波傳感器/ 026
2. 5. 1　基本結構與工作原理/ 026
2. 5. 2　傳感器模型/ 027
2. 5. 3　超聲波傳感器在智能駕駛中的應用/ 027
2. 6　小結/ 028
第3 章
目標檢測與分割
3. 1　引言/ 029
3. 2　目標檢測任務/ 029
3. 2. 1　任務定義/ 029
3. 2. 2　評價指標/ 032
3. 2. 3　典型目標檢測數據集/ 036
3. 3　目標檢測算法基礎網絡/ 041
3. 3. 1　卷積神經網絡/ 042
3. 3. 2　Transformer 網絡/ 050
3. 3. 3　Mamba 網絡/ 054
3. 4　目標檢測擴展任務/ 059
3. 4. 1　語義分割/ 060
3. 4. 2　實例分割/ 063
3. 4. 3　占用柵格/ 067
3. 5　小結/ 068
參考文獻/ 068
第4 章
典型目標檢測算法
4. 1　引言/ 070
4. 2　基於純視覺的目標檢測算法/ 070
4. 2. 1　2D 目標檢測算法/ 070
4. 2. 2　3D 目標檢測算法/ 080
4. 3　基於多模態融合的目標檢測算法/ 089
4. 3. 1　基於數據級融合的目標檢測算法/ 089
4. 3. 2　基於特征級融合的目標檢測算法/ 093
4. 3. 3　基於決策級融合的目標檢測算法/ 097
4. 4　聯合2D 圖像先驗信息的3 D 目標檢測方法/ 099
4. 4. 1　基於深度感知稀疏查詢的3D 目標檢測方法/ 099
4. 4. 2　nuScenes 數據集實驗結果分析/ 104
4. 5　小結/ 107
參考文獻/ 108
第5 章
面向惡劣天氣條件的目標檢測方法
5. 1　引言/ 109
5. 2　惡劣天氣條件下的目標檢測挑戰/ 109
5. 2. 1　降雨天氣條件下的目標檢測挑戰/ 110
5. 2. 2　濃霧天氣條件下的目標檢測挑戰/ 112
5. 2. 3　降雪天氣條件下的目標檢測挑戰/ 113
5. 2. 4　極端光照條件下的目標檢測挑戰/ 114
5. 3　惡劣天氣條件下的目標檢測方法/ 116
5. 3. 1　惡劣天氣條件下目標檢測模型的分類
與結構分析/ 116
5. 3. 2　低質量圖像目標檢測模型/ 121
5. 3. 3　圖像修覆與目標檢測聯合式模型/ 129
5. 4　目標檢測模型的實時性與精度平衡/ 137
5. 4. 1　高精度模型的實時部署挑戰/ 137
5. 4. 2　模型實時推理性能等效評估/ 138
5. 4. 3　主流模型架構效能對比分析/ 139
5. 5　小結/ 141
參考文獻/ 141
第6 章
感知不確定性量化與風險傳播
6. 1　引言/ 142
6. 2　感知不確定性概述/ 142
6. 2. 1　智能駕駛感知中的不確定性/ 142
6. 2. 2　感知不確定性影響因素/ 144
6. 2. 3　感知不確定性應對措施/ 147
6. 3　感知不確定性量化方法/ 150
6. 3. 1　蒙特卡洛Dropout / 150
6. 3. 2　深度集成/ 152
6. 4　感知不確定性驅動的風險自適應安全決策方法/ 154
6. 4. 1　考慮目標檢測分類不確定性的風險自適應
安全決策/ 154
6. 4. 2　考慮目標軌跡預測不確定性的風險自適應
安全決策/ 162
6. 5　小結/ 188
參考文獻/ 188
第7 章
結論及展望
7. 1　引言/ 189
7. 2　研究結論/ 189
7. 2. 1　聯合2D 圖像先驗信息的3D 目標檢測方法/ 190
7. 2. 2　面向惡劣天氣條件的目標檢測方法/ 191
7. 2. 3　感知不確定性量化與風險傳播方法/ 193
7. 3　研究展望/ 194
7. 3. 1　面向極端場景的增強感知技術/ 194
7. 3. 2　感知- 決策一體化技術/ 196
7. 4　小結/ 198

類似商品

最後瀏覽商品 (15)